🤖 machine learning

RAM: Reachability Across Morphologies

本文介绍了 RAM，一种以形态为条件的隐式神经表示，它通过在大规模正向运动学数据集上进行训练，为多样化的机器人形态提供快速、可微且具有泛化能力的到达率预测，同时在本质上考虑了自碰撞问题，从而显著加速了形态与轨迹优化。

原作者： Tim Walter, Xinyu Chen, Jonathan Külz, Matthias Althoff

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Tim Walter, Xinyu Chen, Jonathan Külz, Matthias Althoff

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图弄清楚一个特定的机械臂是否能够到桌上的一个杯子。传统上，为了回答这个问题，你必须为每一个你构思出的机械臂设计进行大量的数学计算。你必须计算关节弯曲的每一种可能方式，检查机械臂是否会撞到自己，并确认它是否真的能触碰到杯子。如果你想设计一个新的机械臂，你必须从头开始重新进行所有的这些数学计算。这就像是每当你改变迷宫墙壁的形状时，都要尝试去解一个全新的、极其复杂的迷宫。

这篇论文介绍了一个名为 RAM（跨形态可达性，Reachability Across Morphologies）的新工具，它就像是一个针对机器人的“超快速水晶球”。它不再需要每次都去解那个数学迷宫，因为 RAM 已经通过研究数十亿个案例学习到了迷宫的规则。

以下是它的工作原理，通过简单的概念进行拆解：

1. 问题所在：“设计迷宫”

机器人有许多种形状（形态）。有的有 5 个关节，有的有 7 个。有的长而细，有的短而粗。

旧方法： 要知道一个机器人能否到达某个位置，工程师会使用“逆运动学”（Inverse Kinematics）。把这想象成在倒着解谜题：“如果手在这里，那么关节需要处于什么位置？”这非常缓慢，经常卡住，并且仅适用于一种特定的机器人形状。如果你稍微改变机器人的形状，你就必须重新开始这个谜题。
瓶颈： 设计一个新的机器人或规划其路径需要检查数百万个点。对数百万个点进行这种缓慢的数学计算需要耗费极长的时间。

2. 解决方案：RAM（“水晶球”）

作者创建了 RAM，这是一种类型的 AI 模型，它充当了一个代理模型（surrogate）。

类比： 想象你是一名厨师，想知道一个特定的蛋糕配方是否能放进一个特定的烤箱里。与其为每种尺寸的烤箱都做一个测试蛋糕（这需要好几个小时），不如你去研究一个包含数百万个烤箱和蛋糕照片的海量图书馆。最终，你会掌握其中的规律。你可以观察一个新的烤箱和一个新的蛋糕，然后瞬间判断：“是的，它能放进去，”或者“不，放不下，”而无需实际去烤任何东西。
RAM 的作用： RAM 就是那位厨师。它观察机器人的形状（其“形态”）和一个空间中的目标点。在极短的时间内（纳秒级），它会告诉你：“是的，机器人可以到达那里，”或者“不，它达不到。”

3. 他们是如何训练这个“水晶球”的

为了教导 RAM，研究人员并没有使用那种缓慢的、向后推导的数学方法（逆运动学）。相反，他们使用了正向运动学（Forward Kinematics）。

类比： 与其问“如果关节在这里，手会去哪里？”（向后），他们问的是“如果关节移动到这些随机位置，手最终会落在哪里？”（向前）。
数据集： 他们生成了一个包含 300 亿个样本 的庞大数据集。他们模拟了 30,000 种不同形状的机器人，随机移动它们的关节，并记录了手最终停留的位置。他们还检查了机器人是否会发生自碰撞（self-collision），并将这些情况标记为“禁区”。
结果： RAM 学会了它所看到的任何机器人设计的可达空间的“形状”。

4. 为什么这意义重大

论文声称 RAM 是一个游戏规则改变者，主要基于两个原因：

速度： RAM 比现有的最佳方法快 1,000 倍。它可以在纳秒内做出决策。
泛化能力： 它可以在它从未见过的机器人形状上运行。如果你展示给它一个具有奇怪新关节排列的机器人，它仍然能准确地预测该机器人是否能到达特定位置。

5. 他们用它做了什么

作者利用这个超快工具来加速两项特定任务：

设计更好的机器人： 他们使用 RAM 来自动调整机器人部件的长度和位置，从而让机器人能够触及更多的空间。因为 RAM 如此之快，他们可以在测试仅仅一个设计所需的时间内，尝试成千上万种设计变更。
规划路径： 他们使用它来寻找机器人移动过程中不会撞到自身的平滑路径。同样，由于数学计算是瞬时的，他们可以比以前更快地优化路径。

总结

把旧方法想象成手动测量每一间新房子的每一英寸，以查看家具是否合适。这很精确，但需要好几天时间。
RAM 则像是拥有一个神奇的 App，你只需上传房间的照片和家具的照片，它就会瞬间告诉你：“是的，能放下，”或者“不，你需要一个更大的门。”它不仅适用于某一个房子，它适用于你展示给它的任何房子形状，而且是在眨眼之间完成。

核心要点： 这篇论文提出了一种新的 AI 模型，它对机器人“可达性”的学习如此出色，以至于它可以取代缓慢且复杂的数学计算，从而让工程师能够更快地设计和控制机器人。

技术摘要：跨形态可达性 (Reachability Across Morphologies, RAM)

问题陈述

机器人系统的设计与运行，特别是涉及形态合成、模块化重构或工具使用的系统，从根本上依赖于确定其可达工作空间的能力。目前用于近似工作空间的方法面临着显著的计算障碍。传统方法需要针对每种特定的形态求解逆运动学 (IK) 并进行自碰撞检测。解析法 IK 解算器受限于特定的拓扑结构或低自由度 (DoF)；而数值解算器速度慢、对初始化敏感，且通常只能返回单个关节配置，而非刻画完整的解集。此外，迭代式任务（如基于梯度的形态优化或轨迹优化）需要进行数百万次的达性评估，这使得详尽的工作空间评估在计算上变得极其昂贵。现有的基于学习的代理模型往往难以在不同形态间实现泛化，或者仅局限于位置（3D）工作空间，而非完整的 SE(3) 位姿。

方法论

作者提出了 Reachability Across Morphologies (RAM)，这是一种以形态为条件的隐式神经表示，作为位姿可达性的快速、可微代理模型。

1. 数据生成

为了训练 RAM，作者生成了一个包含 $3 \times 10^4$ 种独特机器人形态、共计 $3 \times 10^{10}$ 个样本的大规模数据集。

形态采样： 数据集涵盖了具有 5、6 或 7 个旋转关节的串联运动链。形态采样采用层次拒绝采样，以确保它们是可操作的（存在无碰撞配置）、非退化的且符合常规（相邻关节轴平行或正交）。
位姿采样： 位姿从单位球内几何合理的区域中采样，避开平凡的不可达位置。对于 5-DoF 的形态（其工作空间是 SE(3) 中的 5D 子流形），直接通过正向运动学从配置空间中提取样本，以解决类别不平衡问题。
标签分配： 作者并未为每个位姿求解 IK，而是通过将 SE(3) 离散化为单元格来近似可达工作空间。他们采样关节配置，计算正向运动学，并将包含任何有效、无碰撞位姿的单元格标记为可达。这种“封闭世界”假设允许在无需为每个查询求解 IK 的情况下进行高效标注。

2. 模型架构

RAM 将可达性建模为一个二元占用分类问题。

输入： 一个由修正后的 Denavit-Hartenberg 参数组成的序列形式的形态 $M$ ，以及一个位姿 $P \in SE(3)$ 。
编码： 变长形态序列通过长短期记忆网络 (LSTM) 被编码为一个固定大小的潜嵌入。位姿由一个平移向量和一个连续的 6D 旋转表示拼接而成。
解码： 拼接后的形态嵌入与位姿向量被传入一个带有 Sigmoid 输出的多层感知器 (MLP)，用以预测可达概率。
可微性： 整个流水线是可微的，允许梯度从可达性预测流回形态参数或轨迹路径点。

核心贡献

RAM 模型： 一种新型的、以形态为条件的隐式神经表示，基于占用网络，作为快速、可微的位姿可达性代理模型，能够在保持对未知形态泛化能力的同时，本质上考虑了自碰撞问题。
大规模可达性数据集： 一个包含 $3 \times 10^4$ 种形态、 $3 \times 10^{10}$ 个样本的公开数据集。至关重要的是，标签仅通过正向运动学和自碰撞查询生成，避免了逆运动学的计算开销。
加速优化： 证明了 RAM 能够以比传统数值 IK 方法显著更低的计算成本，实现基于梯度的形态和轨迹优化。

结果

准确性与速度： RAM 在随机位姿上的 F1 分数达到 86%，在边界位姿上达到 78%。单次推理时间约为 57 纳秒，这比基准模型 Generative Graphical Inverse Kinematics (GGIK)（22 毫秒）快了三个数量级。RAM 在 F1 分数上比 GGIK 高出 14%。
泛化能力： 模型能鲁棒地泛化到 4、8 和 9 自由度的形态（F1 分数 > 78%），尽管由于拓扑差异，其在 1-3 自由度下的表现有所下降。
优化性能：
- 形态优化： 与基准模型相比，RAM 将平均位姿误差降低了 78%（基准为 69%），并将运行时间缩短了 1.5 个数量级。
- 轨迹优化： 与基准模型相比，RAM 将位姿误差降低了 62%（基准为 51%），并将运行时间缩短了两个数量级以上。
潜空间分析： 潜空间按运动学复杂度组织形态，显示出与自由度数量的高度相关性（86%）。

意义与主张

论文声称，RAM 通过将逆运动学解的存在性与寻找解本身这一更难的问题解耦，代表了机器人设计与规划领域的重要进展。通过转向学习到的可微表示，RAM 实现了：

纳秒级的可达性评估，取代了缓慢的数值解算器。
无缝泛化，可在不同的机器人形态间进行切换，而无需针对每种特定设计重新训练。
高效的基于梯度的优化，适用于形态合成和轨迹规划任务，而这些任务此前由于 IK 解算器和自碰撞检查的不可微性而难以计算。

作者承认了局限性，指出 RAM 的准确性受限于其训练标签的离散化误差，且目前仅限于具有 5-7 自由度的常规串联机械臂。他们建议未来的工作可以包括使用基于图的替代方案来替换顺序编码器，以处理任意拓扑结构，并实现形态与轨迹的单循环联合优化。