IROS 2026：从地面移动操作到空中协同，无人机机械臂实现复杂物理交互

事件概述

在 IROS 2026 大会的“多机器人系统中的紧耦合物理交互与协作”Workshop 中，荷兰代尔夫特理工大学（TU Delft）教授 Javier Alonso-Mora 系统展示了其团队在具身智能领域的最新研究成果。研究重点从传统的“地面移动机器人”范式，扩展至更具挑战性的空中协同作业场景，涵盖单机移动操作、任务与运动规划优化、以及多无人机物理协作等核心议题。

核心信息

1. 地面移动操作：从反应式控制到全局规划

为解决机器人在真实环境中进行抓取、推动等物理交互时的稳定性与冲突问题，团队提出了分层控制架构：

• 底层控制：采用 Geometric Fabrics 方法，这是一种描述机器人行为的高频控制器，能够组合避障、目标到达等行为，实现机械臂与移动底盘的全身协调控制。
• 高层规划：引入行为树（Behavior Tree）管理任务流程，并结合全局二次规划（QP）。系统通过前向模拟预测未来运动状态，若检测到潜在冲突（如多机死锁），则重新优化接近方向、抓取姿态及放置位置，从而避免局部最优解。

2. 任务与运动规划（TAMP）的效率优化

针对复杂任务（如跨越障碍物搬运物体），传统 TAMP 方法需大量物理仿真搜索，计算成本极高。团队正在探索以下改进路线：

• 混合策略：利用交叉熵优化寻找离散任务序列和连续执行计划。实验显示，机器人能自主发现“直接越过斜坡”比“绕行”更高效的非直觉方案。
• 学习辅助规划：通过收集单机器人示范数据训练策略网络，减少对完整物理仿真的依赖，旨在加速规划过程，使原本耗时的搜索变得更快。

3. 空中机器人：机械臂操作与多机协同

研究进一步将能力延伸至无固定支撑的空中平台，主要包含两类技术路径：

• 带机械臂的无人机（DSAM平台）：

  • 挑战：机械臂运动产生的反作用力会干扰飞行稳定性。
  • 解决方案：采用分层控制，外层由强化学习生成操作指令，内层由自适应控制器维持稳定。该平台已能完成推箱子、白板写字及空中拧螺栓等接触操作。

• 多无人机协同吊运：

  • 集中式到分布式的转变：早期采用集中式非线性模型预测控制（NMPC），现转向基于多智能体强化学习（MARL）的分布式控制。
  • 架构设计：训练阶段使用 Critic 利用完整状态信息辅助 Actor 学习；部署时仅保留 Actor，每架无人机独立运行策略，底层由 INDI 控制器负责飞行稳定。
  • 性能表现：在8字形轨迹跟踪实验中，分布式策略表现接近集中式 NMPC，并展现出对单无人机故障或掉落的一定鲁棒性。目前限制在于尚未加入动态障碍物处理，且仍依赖动作捕捉设备。

4. 未来展望：HARPA 空中施工项目

团队启动了为期四年（2026-2030）的 HARPA 项目，旨在让异构空中机器人团队参与预制建筑装配：

• 分工协作：部分无人机负责材料运输，另一部分搭载机械臂负责现场装配（如连接模块、安装螺栓）。
• 技术演进：将进一步推进机载感知能力，减少对外部定位设备的依赖，实现更自主的空中施工流程。

值得关注

• 隐式协同机制：在多无人机吊运中，团队并未显式使用一致性算法，而是通过共享策略网络，让无人机在输入彼此位姿的情况下隐式形成协调行为，这为去中心化多机控制提供了新的思路。
• 缆绳张力假设：当前多机吊运模型假设缆绳始终保持张紧状态，这在增加无人机数量时可能面临松弛问题，是未来需要放宽的关键约束条件。