💻 computer science

Visible-Reachable Workspace for Perception-Aware Humanoid Design

本文引入了可见可达工作空间（visible-reachable workspace, VRW）作为一种感知觉察的设计指标，并通过一个具有独立驱动摄像头的定制 31 自由度类人机器人证明，与固定传感器设计相比，这种关节化设计显著扩大了可观测的可达性并提高了操作效率。

原作者： Boxi Xia, Zijiang Yang, Ryan Shin, Bokuan Li, Eric Wun-Hao Lu, Jacob Lee, Jiaxun Liu, Boyuan Chen

发布于 2026-09-09

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Boxi Xia, Zijiang Yang, Ryan Shin, Bokuan Li, Eric Wun-Hao Lu, Jacob Lee, Jiaxun Liu, Boyuan Chen

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

对于机器人而言，要抓取一个物体，首先必须能够用手臂触及它。这个简单的几何事实长期以来一直是工程师衡量机器人能力的标准方式。他们计算“工作空间”，即机器人的手部物理上可以到达的三维空间体积。然而，对于依赖摄像头来观察自身动作的机器人来说，可触及性仅仅是成功的一半。目标可能完全处于机器人的手臂触及范围内，但对它的眼睛来说却是完全不可见的，因为机器人的身体遮挡了视线，或者因为摄像头的朝向不对。如果机器人看不见它试图抓取的物体，它就无法规划获取物体的运动路径。这造成了一个令人沮丧的差距：机器人从物理上具备完成任务的能力，但在感知上却对其视而不见，迫使它不得不浪费时间和能量去重新调整整个身体，仅仅是为了瞥一眼它需要的东西。

杜克大学的研究人员试图通过重新思考机器人的构建方式来弥补这一差距。他们引入了一种衡量机器人潜力的新方法，称为“可见可达工作空间”。他们不再仅仅询问机器人能触及哪里，而是询问它能同时看到并触及哪里。为了测试这一理念，他们制造了一款全新的类人机器人——Duke Humanoid V2，专门旨在解决“看”与“触”协同的问题。与大多数摄像头固定在头部或仅随头部转动而移动的机器人不同，这款机器人拥有安装在特殊云台上的两个独立摄像头。这两个摄像头可以独立进行左右、上下摆动，完全独立于机器人的手臂和躯干。这种设计使得机器人可以在伸手抓取一个物体的同时，用其中一个摄像头观察另一个物体，而无需移动身体。

研究团队利用这种新测量方法，将这款定制机器人与几种现有的类人机器人模型进行了对比。他们发现其能力存在显著差异。在 Duke Humanoid V2 上，独立移动的摄像头使得机器人能够看到其手臂可触及空间的 97%。相比之下，当相同的摄像头被固定不动时，机器人只能看到该可达空间的 38%。其他带有移动颈部的类人机器人表现也较差：固定头部的机器人只能看到其可达工作空间的 16%，而带有可转动颈部的机器人则能在 48% 到 76% 之间。研究人员发现，仅仅增加摄像头的数量并不如让现有的摄像头独立移动那样有效。为机器人增加第二个独立摄像头，使其同时观察两个独立区域的能力从 45% 提升到了 95%。增加第三个摄像头带来的收益几乎可以忽略不计，仅将数值提升至 97%，这表明两个位置良好的移动“眼睛”比三个固定的眼睛更有价值。

为了证明这种设计确实有助于提高机器人的工作效率，团队进行了一系列测试，要求机器人寻找并抓取放置在不同位置的两个物体。在某些场景中，物体并排摆放；在另一些场景中，一个在前，一个在后。他们将配备移动摄像头的机器人与同一款摄像头被锁定的机器人进行了对比。结果非常明确：配备移动摄像头的机器人完成任务的速度快了 17%，且消耗的机械能减少了 19%。这种节省体现在每一个阶段：配备移动“眼睛”的机器人寻找物体的时间更短，因为它只需转动摄像头即可找到目标，而无需走动或扭转整个身体来获取视野；它在走向物体时花费的时间也更少，因为它可以在移动前从远处发现目标；甚至在实际抓取物体时也更快，因为它可以保持一只“眼睛”盯着目标，同时移动手臂，而无需停下来重新调整方向。

研究人员将这些发现从计算机模拟带入了现实世界，机器人在物理实验台上成功完成了相同的任务。它可以观察前方的目标，同时伸手抓取后方的物体，或者追踪拿着独立移动物体的两个人。当手臂遮挡了目标的视线时，相应的摄像头会主动搜索并在目标再次变得可见的瞬间重新锁定。这些物理演示证实，该设计原则在计算机模型之外同样有效。这项研究表明，对于那些需要视觉与触觉协同完成任务的机器人，其传感器的设计必须与其肢体设计相融合。通过将“可见性”视为一种塑造机器人物理形态的约束条件，而非事后的补充，工程师可以制造出动作更高效、能更轻松完成复杂任务的机器。该团队已向公众开放了这款机器人的设计和软件，希望其他人能利用这些洞察力来构建下一代具备感知能力的机器。

技术摘要：面向感知觉察的人形机器人设计中的可见可达工作空间

问题陈述

经典的机器人工作空间分析侧重于运动学可达性（kinematic reachability）——即确定末端执行器在物理上能够放置自身的位置。然而，对于感知驱动的人形机器人而言，仅靠可达性是一个不完整的指标。一个目标可能位于机械臂的运动学工作空间内，但由于特定的配置要求，它可能处于机载传感器视野之外。这种“盲区可达”空间迫使机器人进行补偿性的全身运动（例如，旋转躯干、行走以改变视角或重新定向摄像头），仅仅是为了获取视野，从而将感知局限性转化为了不必要的机械运动。现有的类人机器人设计通常继承了人类的形态特征，其视觉能力集中在头部或胸部且受到约束，这导致了宽广的臂部工作空间与受限且往往耦合的感知能力之间的失配。

研究方法

1. 可见可达工作空间 (VRW) 定义

作者引入了可见可达工作空间 (Visible-Reachable Workspace, VRW)，这是一个在设计阶段使用的指标，它将可见性建立在可行的到达配置之上。

配置划分： 机器人的配置 $q$ 被划分为操纵关节 ( $q_m$ )、感知关节 ( $q_p$ ) 和名义关节 ( $q_0$ )。影响主动末端执行器的关节在 $q_m$ 中被优先考虑。关键在于，这区分了与机械臂耦合的传感器（如腕部安装式）与具有独立驱动能力的传感器（如云台）。
条件可见性： 只有当存在一个可行的配置 $(q_m, q_p)$ ，使得末端执行器能够到达目标 $x$ ，且至少有一个摄像头能够在无自遮挡的情况下观察到 $x$ 时，目标 $x$ 才被视为可见可达。
指标：
- 覆盖率 ( $\eta$ )： 可见可达工作空间 ( $W_{VR}$ ) 的体积与总可达工作空间 ( $W_R$ ) 的比例。
- 成对覆盖率 ( $\eta_2$ )： 一种并发可见性的指标，衡量两个空间分离的区域（一个操纵目标和第二个感兴趣区域）在不改变操纵配置的情况下能够同时被观察到的概率。

2. 硬件实现：Duke Humanoid V2

为了验证 VRW 指标，作者构建了 Duke Humanoid V2，这是一个拥有 31 个自由度 (DoF) 的准直接驱动 (QDD) 人形机器人。

形态： 高 1.2 米，重 36 公斤，配备两个 7 自由度手臂和两个 6 自由度腿部。
感知架构： 其核心创新是双独立驱动的偏航-俯仰摄像头头部。两个 RGB-D 摄像头安装在 2 自由度的云台上，允许它们独立于躯干朝向和手臂配置来瞄准空间分离的区域。
控制： 该机器人利用基于 FlashSAC (Soft Actor-Critic) 训练的全身强化学习 (RL) 策略，运行频率为 50Hz，并配合 200Hz 的关节级 PD 控制。该策略同时处理底座移动、手臂操纵和摄像头注视。

3. 实验评估

本研究从多个维度评估了 VRW：

跨平台比较： 作者利用已公布的运动学和摄像头模型，计算了现有类人机器人（Unitree G1, Booster T1, Apptronik Apollo, Fourier GR-3, PAL Talos）的 VRW。
摄像头配置优化： 在 Duke Humanoid V2 上，作者对比了 $K=1, 2, 3$ 个摄像头在固定或驱动配置下的布局。
基准任务： 在仿真环境和实体机器人上进行了“双目标抓取”基准测试。任务涉及抓取放置在各种配置（左/右、前/后、近/远以及动态人体持有目标）中的两个物体。

关键结果

1. VRW 覆盖率提升

驱动 vs. 数量： 摄像头的驱动能力对 VRW 覆盖率的影响显著大于增加摄像头数量。在 Duke Humanoid V2 上，驱动摄像头使可见可达覆盖率从 38%（固定式）提高到了 97%。
成对覆盖率： 虽然单个驱动摄像头可以改善单目标覆盖率，但它无法有效地同时观察分离的区域。添加第二个独立驱动的摄像头将成对覆盖率 ( $\eta_2$ ) 从 0.45 提升至 0.95。第三个摄像头提供的收益递减（0.97），且会带来显著的硬件成本。
比较： 固定头部的 Unitree G1 仅实现了 16% 的 VRW 覆盖率。具有驱动颈部的平台（如 PAL Talos, Fourier GR-3）实现了 48–76% 的覆盖率，但都低于 Duke Humanoid V2 的 97%，因为它们的摄像头共享单一的颈部轴线，无法独立观察分离的区域。

2. 操纵任务中的表现

在双目标抓取基准测试中，双驱动配置 (Act2) 的表现优于固定摄像头基准 (Fix2) 及其他配置：

效率： 与 Fix2 相比，Act2 将平均完成时间减少了 17%，机械能耗减少了 19%。
搜索与接近： 时间的减少分布在搜索、接近和操纵阶段。具体而言，摄像头驱动通过允许机器人通过注视而非行走来定位目标，缩短了搜索时间；并通过在定位目标后实现直接路径，缩短了接近时间。
现实世界验证： 物理实验证实，双驱动设计允许在无需调整躯干方向的情况下，同时观察并操纵前后或左右的目标对。机器人成功追踪并抓取了由两人持有的移动目标。

意义与主张

本文主张，当与使可达空间可观测的感知配置结合评估时，可达性对于感知驱动的人形机器人操纵而言，是一个更具信息量的设计量。

设计信号： VRW 是一个定量的设计信号。结果表明，通过优化可见可达覆盖率（特别是通过独立的摄像头驱动），可以直接转化为更高效的全身执行，减少对补偿性身体运动的需求。
耦合设计原则： 本研究反对将感知和操纵作为独立的模块对待。相反，它提出了一个耦合设计原则，即通过优化感知布局来最大化与操纵工作空间的重叠，特别是针对并发的多区域任务。
开源： 作者承诺开源软件和 Duke Humanoid V2 人形机器人硬件设计，以促进进一步的研究。

本文结论指出，虽然经典的运动学可达性定义了机器人能去哪里，但 VRW 定义了机器人在感知的同时能有效执行动作的位置，而通过驱动感知来弥合这一差距，对于下一代人形机器人的发展至关重要。