💻 computer science

MetaPusher: Meta Learning and Planning for Nonprehensile Manipulation of Unseen Objects with Rapid Online Adaption

MetaPusher 是一个元学习与自适应规划框架，它通过将元学习的动力学模型与树重用运动学动力学规划器相结合，实现了对未见物体的非抓取式操纵的快速在线自适应与高效长时程规划，从而在无需先验物体特定交互的情况下实现了卓越的任务成功率。

原作者： Donghyung Lee, Seyedali Golestaneh, Jaskrit Singh, Zhuoyun Zhong, Athanasios Kapoutsis, Constantinos Chamzas

发布于 2026-09-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Donghyung Lee, Seyedali Golestaneh, Jaskrit Singh, Zhuoyun Zhong, Athanasios Kapoutsis, Constantinos Chamzas

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

长期以来，机器人一直是工厂车间的专家，它们可以被教导如何以完美的精度拿起一颗特定的螺丝或焊接一道特定的焊缝。但一旦机器人遇到从未见过的物体，一场无声的危机往往就会发生。机器并不知道物体的重量是多少，重心在哪里，或者其表面与桌面之间的摩擦力有多大。缺乏这种隐藏的物理知识，机器人推一个盒子时可能会用力过猛导致盒子飞出去，或者用力过轻导致盒子卡在那里。这就是非抓取操控（nonprehensile manipulation）的挑战：通过推动、滑动和轻触而非抓取来移动物体。为了让机器人在混乱且不可预测的现实世界中取得成功，它不仅要能“看到”物体，还必须能够快速学习该物体在受触碰时的行为方式，同时还要计算出将其移动到新位置的最佳路径。

一个研究小组开发了一个名为 METAPUSHER 的新系统来解决这个精确的问题。METAPUSHER 并非将每一个新物体都视为需要数小时试错的完全谜团，而是使用了一种“元学习”（meta-learning）的形式。想象一位读过数千本书的学生；当他们打开一本新书时，他们并不是从零开始。他们已经理解了语言是如何运作的，章节是如何构成的，以及如何寻找中心思想。同样地，METAPPIUSHER 首先在大量的模拟物体库上进行训练，学习物体在被推动时如何滑动和旋转的一般规律。这种训练为机器人提供了领先优势，一种类似于“物理直觉”的能力，使其能够在接触新物体之前，就能对该物体在受到冲击时的反应做出合理的猜测。

一旦机器人开始执行任务，它就不再仅仅依赖于最初的猜测。在推动物体的过程中，它会密切观察物体是否完全按照预期的方式移动。如果物体比预期的滑得更远，或者旋转方向发生了偏差，机器人会立即更新其针对该特定物体的内部物理模型。这种更新是在任务执行过程中实时发生的。机器人不仅是在学习，它还在规划。它使用一种复杂的搜索策略来规划通往目标的长路径，但与那些每当有新信息到达时就会废弃整个计划并重新开始的旧系统不同，METAPUSHER 非常聪明，能够保留那些仍然有效的计划部分。它会修剪掉不再有效的计划分支并完善其余部分，从而允许机器人在不迷失方向的情况下即时调整其路线。

研究人员首先在计算机模拟中，然后在真实实验室中的物理机械臂上，针对包括茶壶和电钻在内的各种未见物体测试了该系统。在模拟实验中，该系统学习预测物体运动方式所需的交互次数远少于其他方法，并迅速降低了预测误差。当系统转移到传感器并不完美且物理环境较为混乱的现实世界时，它并未表现出颓势。在涉及四种不同未见物体的系列试验中，机器人实现了完美的成功率，将每一个物体都移动到了目标位置。它通过将预先学到的知识与快速的即时调整相结合，证明了机器人可以同时成为一名快速的学习者和细心的规划者。

该研究还将这种方法与其他常见策略进行了对比。有些方法依赖于在开始任务前收集大量关于每个新物体的数据，而另一些方法则试图在任务执行期间从头开始学习一切。METAPUSHER 的表现优于这些方法，它完成目标所需的推动次数更少，犯的错误也更少。更令人印象深刻的是，尽管从未见过正在移动的那个特定物体，该系统的表现几乎与专门针对该物体进行过训练的机器人不相上下。这表明，机器人的这种从过去经验中进行泛化的能力非常强大，足以应对未知。

虽然目前的系统在桌面上进行平面的二维推动方面表现良好，但研究人员承认，现实世界是三维的，充满了更复杂的交互。未来的工作将致力于将这些能力扩展到完整的 3D 运动和更复杂的接触点。然而，就目前而言，METAPUSHER 已是一个显著的进步。它证明了机器人可以被赋予一种灵活且具有适应性的智能，使其不仅是通过记忆每一种可能的物体，而是通过理解运动的底层原理，并以速度和精度来适应未知。

技术摘要：METAPUSHER

问题陈述

对未见过的物体进行非抓取式操纵（Nonprehensile manipulation）仍然是机器人领域的一个重大挑战。与抓取不同，推挤的结果不仅取决于物体的几何形状，还取决于潜在的物理属性——如摩擦力、质量分布和惯性——这些属性无法仅通过视觉感知来推断。虽然先验经验可以提供初始估计，但在从仿真到现实（sim-to-real）的迁移过程中，这些估计往往会退化。现有的方法通常孤立地解决这一问题：泛化方法依赖于几何特征，但无法捕捉潜在动力学；自适应方法通过交互来更新模型，但通常需要专门的数据收集阶段或短时程控制；而动力学规划器（kinodynamic planners）提供了长时程推理，但假设前向模型是固定的，导致当模型发生演变时，规划的轨迹会失效。因此，需要一种能够将快速在线动力学自适应与长时程规划相结合的框架，以便在没有物体特定交互的情况下操纵未见的物体。

方法论

本文介绍了 METAPUSHER，一个集成元学习（meta-learning）与自适应动力学规划的框架。该系统分为两个不同的阶段运行：

1. 离线元训练

使用模型无关元学习（MAML）在多样化的物体集（ $O_{train}$ ）上训练前向动力学模型。

输入表示： 模型接收物体的 2D 轮廓点云（ $g_o$ ），通过类 PointNet 架构将其编码为 1024 维全局特征向量，并与推挤动作向量 $u = [c_x, c_y, \sin\phi, \cos\phi, d]$ 进行拼接。
输出： 模型预测 $SE(2)$ 中的平面位移 $\Delta x = [\Delta p_x, \Delta p_y, \Delta \psi]$ 。
目标： 元学习目标旨在寻求一个初始化参数 $\theta_0$ ，使得模型在仅利用有限交互数据进行少量梯度更新后，能够快速适应新物体的动力学特性。这是通过为每个训练物体采样支持集（support set）和查询集（query set），并优化共享参数以最小化内层循环自适应后的损失来实现的。

2. 在线部署与自适应

在遇到具有零先验交互数据的先前未见物体（ $o \in O_{test}$ ）时：

初始化： 任务开始时使用元学习得到的初始化参数 $\theta_0$ 以及观察到的新物体几何形状。
在线动力学自适应： 随着机器人的执行推挤动作，模型参数进行更新（ $\theta_k \to \theta_{k+1}$ ），使用的是当前任务中观察到的状态转移。这是一种基于最新交互的直接梯度更新，允许模型在实时过程中专门化以适应特定未见物体的潜在属性。
自适应动力学规划： METAPUSHER 并非在每次模型更新后都从头开始重新规划，而是采用一种自适应规划器来保留并精炼现有的搜索树。该过程包括三个操作：
1. 剪枝（Prune）： 移除搜索树中不再能从当前状态到达的分支。
2. 精炼（Refinement）： 使用更新后的动力学模型重建剩余子树，以确保一致性。
3. 扩展（Expansion）： 如果精炼后的树无法到达目标，则添加新节点以在新的动力学条件下寻找有效路径。

这种耦合确保了长时程规划能够随动力学模型的演变而同步演进，在无需单独数据收集阶段的情况下保持可行性。

核心贡献

几何条件化的元学习： 一种动力学模型，能够实现对未见物体的操纵而无需先前的物体特定交互，并能在执行任务期间从近期的状态转移中实现快速自适应。
自适应动力学规划： 一种随着动力学模型演变而更新现有搜索树的策略，避免了从头开始重新规划的计算开销，同时保持了长时程的可行性。
统一框架： 这些组件的集成使得在单个循环中实现高效操纵与自适应成为可能，无需单独的物体特定数据收集阶段。

实验结果

该框架在仿真和现实世界（sim-to-real）场景下，针对 14 种未见物体进行了评估，并与微调基准（fine-tuning baselines）、主动学习（active learning）、基于 MPPI 的控制以及强化学习（HACMan）进行了对比。

动力学自适应： 与池化微调（pooled fine-tuning）和主动学习方法相比，METAPUSHER 以显著更少的交互实现了更低的预测误差。它展示了有效的 sim-to-real 迁移能力，尽管完全在仿真数据上进行训练，仍能快速适应真实的物理物体。
操纵性能：
- 在仿真中，将元学习与自适应规划相结合实现了 100% 的任务成功率，优于基于 MPPI 的控制器和微调基准。
- 该方法比其他替代方案将任务成功率提高了高达 20%。
- 在现实世界实验中，METAPUSHER 在所有评估试验中实现了 100% 的成功率，成功处理了感知噪声和执行不确定性。
泛化能力： 与可以使用评估物体数据的模型相比，METAPUSHER（仅在不相交的训练物体上训练）在跟踪误差和推挤效率方面达到了相当或更优的表现，证实了其在无需物体特定预训练的情况下进行泛化的能力。

意义与主张

论文声称 METAPUSHER 解决了动力学自适应与长时程规划之间的关键差距。通过将快速在线自适应与一种能够重用并精炼现有搜索树的规划策略相结合，该框架使机器人能够在遇到未见物体时立即进行操纵。作者强调，这种方法消除了为新物体进行专门数据收集阶段的需求，而这通常是自适应操纵中的瓶颈。结果表明，元学习初始化结合自适应规划，可以有效地迁移到未见物体及潜在物理属性，在仿真和现实设置中均实现了鲁棒的表现。

局限性

作者承认目前存在一些局限性，包括对准确的轮廓点云观测和状态估计的依赖。目前的公式限制在平面操纵（ $SE(2)$ ）以及沿法向方向的推挤动作。未来的工作建议将该框架扩展到全空间 $SE(3)$ 操纵、更复杂的接触交互以及力传感的引入。