大数跨境

“刚”“柔”并济:CompVLA让机器人学会调节刚度

“刚”“柔”并济:CompVLA让机器人学会调节刚度 微软亚洲研究院
2026-11-12
9
导读:从示范中学习可变柔顺性,让机器人在接触任务中既不脱离接触,也不用力过猛

人用抹布擦白板时,手臂会自然贴合板面,遇阻则顺势退让。然而,对于由视觉-语言-动作(VLA)模型驱动的机器人而言,这一看似简单的动作却充满挑战。传统VLA模型通常仅输出运动指令,缺乏对接触外力的感知与应对能力,导致微小的位置预测偏差即可引发任务失败——要么无法接触目标,要么用力过猛。


针对这一痛点,微软亚洲研究院与首尔国立大学的研究团队提出了CompVLA模型。该模型不仅能预测机器人的运动轨迹,还能实时预测各时刻所需的刚度,使机器人在自由空间中保持精准稳定,在接触物体时适度柔顺,从而将作用力控制在合理范围。相关成果已被机器人学习顶级会议CoRL 2026收录。


视频1:CompVLA演示


只会“走位”的机器人为何频频失手?


擦拭白板、推动板子绕支点旋转、按压杯子分配器等接触密集型任务,要求机器人不仅控制自身运动,还需调节对外部作用力的响应。尽管部分研究已开始将力和力矩纳入考量,但大多数VLA模型仍仅输出纯运动学指令,依赖位置控制执行。


位置控制迫使机器人始终跟踪目标位姿,忽视接触过程中的实际作用力。这导致即使几何位置预测仅有微小偏差,也可能造成严重后果:目标略高于表面则失去接触,略低于表面则施加过大压力。


视频2: 采用位置控制的 VLA 模型在执行板子绕支点旋转任务时失去接触。


视频3:采用位置控制的 VLA 模型持续向接触表面施加压力,直至触发安全停止机制。


柔顺控制(compliance control)提供了一种解决思路,让机器人末端执行器如弹簧般工作,受力时按比例偏离目标位姿,从而维持接触并限制作用力。然而,刚度设定面临两难:刚度过低影响自由空间运动精度,刚度过高则回归传统位置控制的弊端。


理想的方案是可变柔顺性:自由空间高刚度,接触时低刚度。但若每项任务均需人工调整刚度配置,难以规模化应用。

CompVLA:从示范中学会可变柔顺


CompVLA将问题重构为“移动到哪里”与“保持多大刚度”。该模型能从示范数据中学习可变柔顺性,基于RGB图像和语言指令,同时预测机器人运动、随时间变化的刚度及虚拟位移。


实验显示,在真实世界的接触密集型任务中,CompVLA的表现优于π₀以及引入额外力矩或力旋量输入的VLA基线模型。

给 VLA 模型加一位“柔顺专家”


CompVLA在预测运动的同时预测柔顺性参数。每个时间步的策略模型输出一个动作块(action chunk),除传统的参考工具中心点(TCP)速度旋量和夹爪指令外,还包含两个关键柔顺性参数:


1. 对角刚度:分别设定三个旋转轴和三个平移轴的刚度,决定各方向受外力时的位移响应程度。


2. 虚拟位移:确定柔顺坐标系方向,使机器人在特定方向保持高刚度,另一方向表现高柔顺;同时通过偏移目标位姿,按预设力与接触表面相互作用。


随后,几何阻抗控制器(geometric impedance controller)整合运动、刚度和虚拟位移进行执行。


技术上,研究员以π₀模型为基础扩展。其动作专家模块先预测参考TCP位姿和夹爪指令,生成的轨迹作为条件输入传递给新增的柔顺专家(compliance expert),后者据此预测刚度和虚拟位移。两者采用流匹配(flow matching)方法联合训练(如图1所示)。


图 1: CompVLA 与几何阻抗控制器的整体框架。CompVLA 输出随时间变化的对角刚度向量和虚拟位移向量,以实现方向柔顺控制和力调制


该设计赋予机器人两项传统位置控制不具备的能力:

  • 方向柔顺控制:沿接触方向退让,同时在正交方向保持高刚度。

  • 力调制:通过刚度与虚拟位移共同作用,产生所需的接触力。


视频4:方向柔顺:机器人沿接触方向退让,同时在正交方向上保持较高刚度。


视频5:力调制:接触力由刚度和虚拟位移共同设定。


真机实测:擦得干净,推得稳当


研究团队在Franka Research 3机器人上测试了CompVLA,评估其在三项接触密集型任务(擦拭白板、推动板子绕支点旋转、按压杯子分配器)和一项常规任务(抓取与放置)中的表现。


实验中,力/力矩读数仅作为训练标签,评估阶段不提供。对比基线包括广泛应用的VLA模型π₀、引入额外模态的ForceVLA和TA-VLA,以及模仿学习策略DP和ACT。





视频 6–9: CompVLA 在擦拭白板、推动板子绕支点旋转、按压杯子分配器和抓取与放置(顺序从上到下)任务中的表现。


在三项接触密集型任务中,CompVLA平均成功率达67.1%,显著高于ForceVLA的54.4%和π₀的31.5%。其中,白板擦拭和支点旋转任务成功率分别高达92.9%和73.3%。


在杯子分配任务中,CompVLA整体成功率略低,主要因需定位小尺寸按钮,多数失败发生在接触前。但在成功接触按钮后,其按压可靠性优于其他基线模型。


在常规抓取与放置任务中,CompVLA成功率为76.7%,与π₀(80.0%)和TA-VLA(83.3%)接近,而ForceVLA降至45.0%。这表明CompVLA在强化接触密集型任务性能的同时,保持了常规任务的稳定性。


表 1:真实世界任务成功率(%),数值为平均值 ± 标准差。



为机器人操作提供更丰富的示范数据


除了模型本身,研究团队还公开了训练CompVLA所用的示范数据集。该数据集通过具备力感知能力的主从式遥操作系统采集,每项任务包含107至115个操作回合,记录了三视角摄像头图像、关节位置、关节力矩及腕部力/力矩传感器读数。CompVLA利用这些腕部力/力矩读数作为标签学习柔顺性。


该数据集旨在为接触密集型机器人操作研究提供更丰富的资源。


视频 10: 接触密集型操作示范数据集中的操作回合。



CompVLA: A Variable Compliance Vision-Language-Action Model for Contact-rich Manipulation


论文链接:

https://arxiv.org/pdf/2609.23614


#CoRL #具身智能 #机器人 #VLA #AI #人工智能 #AI研究 #微软亚洲研究院 #AI科研











【声明】内容源于网络
0
0
微软亚洲研究院
1234
内容 236
粉丝 0
微软亚洲研究院 1234
总阅读12.6k
粉丝0
内容236