0
| 本文作者： 吴思梦 | 2026-06-01 14:57 | 专题：ICRA 2017：创新、创业和解决方法 |
原文作者：公众号“交叉力学与智能系统”
原文链接：https://mp.weixin.qq.com/s/mI8zvot0fBjmkZ-gra2Prw
模仿学习是让机器人掌握复杂技能的重要途径，而高质量的遥操作演示数据是关键。现有移动操作系统常面临操控分离、协同困难、长时程任务推理能力不足等问题，限制了机器人在真实场景中的应用能力。
单人协同操控：通过VR头显、主从机械臂与脚踏板集成，实现移动底盘与双臂的同步控制。
沉浸式感知：多视角视觉反馈与运动映射，提升操作直观性与数据采集效率。
硬件系统：搭载7自由度从臂（ViperX-300）、差分驱动移动底盘、末端IMU与主臂（WidowX-250），构建高拟人化操控体验。
空间-频域视觉融合：提出FE-EMA模块，结合离散小波变换提取多尺度视觉特征。
丰富本体感知：末端IMU采集四元数数据，与关节角度融合，提升姿态感知精度。
精细化操作提升：在模拟与真实任务（如物体插拔、桌面清洁）中，成功率提升20-30%。
任务分解与动态匹配：基于视觉-语言模型（GLM-4.1V）进行链式思考推理，将长时程任务分解为逻辑子任务序列。
轻量化策略网络调度：每个子任务自动匹配预训练的专用策略网络执行，避免误差累积。
长时程推理性能显著提升：在“清理垃圾”“递送工具”等多步骤任务中，成功率较基线方法提升约40%。
我们在MuJoCo仿真与真实机器人平台上进行了系统性测试，涵盖：
AMN架构稳定性验证（3000-4000步长任务）
PVE-DP精细化操作能力评估（模拟与真实任务）
RoboMatch数据采集效率对比（较分离式平台效率提升超20%）
结果显示，RoboMatch在操作精度、任务成功率、长时程推理稳定性方面均取得显著突破。
上述研究成果2026年1月31日接收于由IEEE机器人与自动化协会主办的2026 IEEE Intemnational Conference on Robotics and Automation (ICRA) ，题为《RoboMatch: A Unified Mobile-Manipulation Teleoperation Platform with Auto-Matching Network Architecture for Long-Horizon Tasks》。ICRA为机器人领域规模最大，影响最泛的机器人学旗舰会议。第一作者为江南大学机械工程学院2024级硕士刘涵裕，指导教师为江南大学机械工程学院宋智功教授。
雷峰网(公众号：雷峰网)
专题
