具身智能不只在地上跑：给无人机装上机械臂，它们要去天上「拧螺栓」了

首页

具身智能不只在地上跑：给无人机装上机械臂，它们要去天上「拧螺栓」了 | IROS 2026

AI科技评论

2026-09-30

导读：具身智能的研究边界，正从地面移动操作向空中协同作业延伸。

具身智能的研究边界，正从地面移动操作向空中协同作业延伸。

作者丨张岂萍

编辑丨幸丽娟

机械臂抓取、移动机器人导航和多机器人协作是具身智能研究的常见切口，但大多仍延续“地面机器人”范式。若机器人离开地面进入空中，不仅要保持飞行稳定，还需完成推箱、写字、拧螺栓等接触操作；多机协同更需共同搬运并协调动作。如何解决空中运动的稳定性、操作能力及多机协作，是具身智能走向复杂真实环境的高阶问题。

IROS 2026 大会期间，在“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 分享了团队在移动操作、任务与运动规划，以及空中多机器人协作等方面的研究进展。

Alonso-Mora 长期致力于多机器人规划与控制，领导 Autonomous Multi-Robots Laboratory 并担任机器人研究院主任。其早期在共享出行调度领域的研究衍生出商业公司 The Routing Company。他的核心研究始终围绕多个自主体如何在动态环境中完成实时规划与协调，本次演讲系统展示了从超市场景移动抓取到多无人机吊运的代表性工作，并介绍了旨在让无人机团队参与建筑施工的 HARPA 项目。

相比地面，空中场景动态性更强、容错空间更小，风扰、能耗、载荷耦合等因素对运动规划提出更大考验。而空中任务协作更是将单机难题扩展为多机异构系统的实时协调问题。以下为演讲内容精选。

▎演讲主题：Mobile Manipulation: From Task & Motion Planning to Aerial Collaboration

机器人会走之后，还得学会边走边操作

实验室的目标是让机器人进入真实世界，与其他机器人及人类协同完成复杂任务。目前研究重点涵盖移动操作（Mobile Manipulation）与协同操作（Cooperative Manipulation），从地面机器人延伸至空中无人机。机器人不仅需导航，更需与环境产生物理交互，如抓取、推动和搬运。

在超市场景机器人拣选项目中，为实现全身控制，团队采用了 Geometric Fabrics 方法。这是一组描述机器人行为的控制方法，可定义避碰、到达目标等行为，并组合控制机械臂与移动底盘。其优点是速度快、支持高频控制，机械臂末端指定目标时，身体其他部分能自动配合。

在低层控制之上，引入行为树（Behavior Tree）负责高层任务流程。为解决反应式控制可能陷入局部最优（如多机死锁）的问题，团队将 Geometric Fabrics 控制器与全局 QP（二次规划）结合。系统通过前向模拟预测未来运动状态，若存在冲突则重新优化后续动作序列，包括接近方向、抓取姿态及放置位置。该方法同样适用于有人环境，可提前调整动作以避免冲突。

任务和运动一起规划，机器人自己找到了更快路线

面对更复杂任务，需进行任务与运动规划（TAMP），即同时求解离散的任务顺序与连续的具体运动。以机器人跨越斜坡搬运方块为例，系统利用 Isaac Lab 进行物理模拟，通过交叉熵优化采样不同的抓取点、放置点和动作，直至找到可行计划。

实验显示，机器人并未绕开斜坡，而是直接将方块送过斜坡，因为该方案比绕行更快。这一由物理模拟和优化得出的策略已在真实机器人上验证。为解决该方法计算成本高的问题，团队正尝试引入学习策略，通过示范训练策略，减少每次规划时对大量候选轨迹的物理模拟需求，从而提升规划速度。

多机器人协作，难点先出在示范数据

在双机械臂协作实验中，通过联合优化目标组合单机器人策略，实现了方块的接力搬运。针对多机器人协作示范数据难以获取的问题，团队探索复用单机器人示范以提升效率。

多机器人协作能力在高空、海上设施等难以抵达的位置意义重大，这也是研究无人机和空中机器人的动因。

移动操作上天：无人机开始推箱子、写字、拧螺栓

实验室主要研究两类空中机器人：

1. 带机械臂的无人机：采用分层控制方式，外层由强化学习策略生成指令，内层由自适应控制器负责稳定。该平台（DSAM）可实现推箱、白板写字、拧螺栓等物理交互操作。

2. 协同搬运无人机：三架无人机通过绳索共同吊起物体。初期采用集中式非线性模型预测控制（NMPC），由中央控制器统一计算以应对扰动。为实现去中心化，团队尝试了多智能体强化学习和模仿学习。

在多智能体强化学习方案中，训练阶段利用 Critic 网络辅助 Actor 策略学习，执行时各无人机独立运行 Actor 策略，底层由高速 INDI 控制器维持稳定。实验显示，分布式策略在 8 字形轨迹跟踪中表现接近集中式 NMPC，且在单机故障或掉落等极端情况下仍具备一定鲁棒性。目前限制在于未加入障碍物处理且依赖动作捕捉设备。

下一步，让无人机团队去施工

团队启动了为期四年（2026-2030）的 HARPA 项目（Heterogeneous Aerial Robotic Teams for Prefabricated Building Assembly），目标是让空中机器人团队参与建筑施工。

项目中，一部分无人机负责运输建筑材料，另一部分带机械臂的无人机负责装配连接。团队将继续推进机载感知技术，减少对外部设备的依赖，实现更自主的空中施工能力。

Q&A 现场问答

▎Q1（现场观众）：在多架无人机共同控制载荷位姿的情况下，分布式状态估计是怎么做的？由于载荷本身没有标记点，是否只依靠每架无人机的 IMU？不同无人机之间还会使用一致性算法来估计载荷的位置吗？

Alonso-Mora：除了 IMU，我们还会利用其他无人机的状态信息。由于每架无人机上有标记点，滤波器会综合这些信息进行估计。在分布式控制方面，并未使用一致性算法，而是所有无人机共享同一个训练好的策略。该策略输入包括所有无人机的位姿及当前执行者编号，多机间的协调是通过策略隐式形成的，虽无显式一致性机制，但能有效工作。

▎Q2（现场观众）：多架无人机通过缆绳共同吊运载荷时，是否假设缆绳始终保持张紧状态？

Alonso-Mora：目前模型假设缆绳保持张紧。三架无人机较易维持此状态，四架也可行，但若继续增加数量，部分缆绳松弛会使系统变得复杂，这是未来希望放宽的方向。

【声明】内容源于网络

AI科技评论

聚焦AI前沿研究，关注AI工程落地。

内容 8980

粉丝 0

AI科技评论聚焦AI前沿研究，关注AI工程落地。

总阅读260.0k

粉丝0

内容9.0k