## 中文标题 面向工业机器人的延迟感知视运动策略学习框架

《ADVANCED ENGINEERING INFORMATICS》:A latency-aware framework for visuomotor policy learning on industrial robots

【字体: 大 中 小 】 时间:2026年09月22日 来源:ADVANCED ENGINEERING INFORMATICS 11.5

编辑推荐:

  ## 专业术语翻译的摘要部分 研究人员提出了一种面向工业机器人的系统级延迟感知框架,用于在不可忽略的观察、推理与执行延迟条件下部署和评估视运动策略。该框架通过显式地解决观察-执行间隙(observation–execution gap),集成了延迟校准的多模态

  
## 专业术语翻译的摘要部分
研究人员提出了一种面向工业机器人的系统级延迟感知框架,用于在不可忽略的观察、推理与执行延迟条件下部署和评估视运动策略。该框架通过显式地解决观察-执行间隙(observation–execution gap),集成了延迟校准的多模态感知、时间一致的数据同步以及统一的通信与控制管线,从而实现对机器人闭环执行行为的受控且可复现的评估。研究人员在所提出的框架内形式化了一种延迟感知执行策略(latency-aware execution strategy),该策略将策略预测的动作序列按时间对齐进行调度,在不修改策略架构或训练流程的前提下实现异步推理与执行。在接触丰富的建筑装配任务上,研究人员开展了受控实验研究,将延迟感知执行与阻塞执行(blocking execution)和朴素异步执行(naive asynchronous execution)两种基线策略在不同推理延迟(100 ms、300 ms、500 ms)条件下进行了对比。实验结果表明,延迟感知执行能够在保持异步执行优势的同时有效抑制由陈旧动作引起的力过冲和振荡行为,其任务持续时间、接触力、峰值力、力平滑度和运动平滑度等指标均更接近专家演示参考,且在所有延迟条件下保持了稳定的闭环执行行为。该研究确立了延迟感知执行作为将学习型控制器部署到工业机器人上时必要的系统级考量。
## 论文解读文章
### 研究背景与问题
建筑和制造系统正越来越多地依赖机器人自动化来提升复杂操作与装配任务中的效率、可重复性和工人安全性。在建筑领域,生产力增长缓慢、劳动力短缺和高工伤率等持续挑战推动了工业机器人的采用。工业机械臂凭借高有效载荷能力和长臂展在建筑中得到应用,能够提供安全性和生产力方面的潜在收益。然而,与高度结构化的制造环境不同,建筑环境具有显著的不确定性,包括制造误差、材料缺陷和动态现场条件。这些不确定性从根本上削弱了建筑、工程与建造(AEC)研究中常用的开环或半结构化机器人编程方法的有效性,尤其是在灵巧或接触丰富的操作任务中,微小的几何或材料偏差可能导致任务失败。因此,需要具备闭环、感官驱动执行能力的机器人系统,这促使了能够在整个任务过程中持续调整机器人动作的控制和学习方法的发展。

基于学习的视运动控制策略通过将多模态感官观测直接映射为机器人动作,在灵巧操作中展现出高成功率,为获得这种自适应行为提供了有前景的途径。最近的机器人学习进展,包括基于扩散的策略以及视觉-语言-动作模型(VLAs)等通用机器人操作策略,进一步突显了视运动策略学习在具有复杂动力学和长时程执行任务中的扩展潜力。同时,已有研究开始明确认识到由观测延迟、策略推理延迟和策略执行延迟共同导致的观察-执行间隙是视运动控制的基本挑战,并由此激发了延迟感知执行策略的研究。然而,许多现有系统通过动作分块(action chunking)或异步执行隐式地缓解这一间隙,这些方法通常依赖紧密集成的低延迟控制栈和相对快速的系统动力学,其中推理延迟相对于控制周期较小。

建筑中常用的工业机械臂在观察-执行间隙上的表现远大于高频、低延迟的桌面平台。它们通常仅暴露经过安全认证的高层级控制接口,更新速率有限,同时由于高惯性、长臂运动学、非线性耦合动力学以及安全约束下的保守控制器增益,闭环响应较慢。因此,观察-执行间隙成为主导性的系统级挑战,而非次要的实现细节。这一间隙增强了对陈旧动作的敏感性,使得观测、推理和执行之间的精确时间对齐对于平滑、可靠且可复现的基于学习的工作流程至关重要。尽管学习型方法已在工业机械臂上得到演示,但这些方法通常假设紧密集成、低延迟的执行管线,因此没有将观察-执行间隙作为核心系统级考量明确处理。

### 研究目的与工作内容
针对上述问题,研究人员提出了一个系统级、延迟感知的框架,用于在具有由观测、推理和执行延迟引起的不可忽略的观察-执行间隙的工业机械臂上部署和评估视运动策略。该框架的目标不是提出新的学习方法,而是通过显式地考虑这一间隙,实现对工业机器人系统中闭环执行行为在现实时序条件下的受控和可复现评估。研究的主要贡献包括:一个可复现的系统级实验框架,集成了延迟校准的多模态感知、时间一致的数据同步以及统一的通信和控制管线;该框架内的延迟感知执行策略,形式化了策略预测动作序列的时间对齐调度,实现异步推理和执行而无需修改策略架构或训练过程;以及一项在接触丰富的建筑装配任务上的受控实验研究,隔离了执行策略对闭环运动和接触行为的影响。

### 主要技术方法
研究人员在其框架中集成了多个关键技术组件。实验平台由两台六轴ABB工业机械臂组成,配备气动末端执行器和多种传感模态。机器人通过安全认证的高层级EGM(Externally Guided Motion)控制接口进行控制,该接口基于UDP传输笛卡尔目标位姿,同时机器人控制器保留底层控制和安全监控功能。通信系统采用ROS 2作为中间件,通过NTP协议实现分布式组件的时间同步。观测延迟通过离线方式校准:相机观测延迟通过二维码时间戳方法估计,执行延迟通过轨迹对齐方法估计。在执行过程中,所有传感流被同步到一个10 Hz的离散时间网格上。策略接口支持有限的观测历史和有限时域的动作序列预测输出。动作序列被赋予连续的执行时间戳,并存入缓冲区;在每个指令更新周期,执行模块根据当前时间加上估计的执行延迟来查询对应时刻的动作,并通过线性插值获取目标指令。为了隔离执行调度的影响,研究人员使用了一个确定的k最近邻(k-NN)策略作为学习型视运动控制器的代理,并人工设置了100 ms、300 ms和500 ms三种推理延迟条件。专家演示通过基于虚拟现实(VR)的遥操作系统收集。

### 研究结果
#### 执行策略对任务轨迹的影响
实验记录了每种执行策略和推理延迟条件下的任务推进轨迹。结果显示,延迟感知执行(latency-aware execution, LAE)在所有推理延迟条件下都保持了接近演示参考的任务轨迹分布,而阻塞执行(blocking execution, BE)和朴素异步执行(naive asynchronous execution, NAE)则表现出与演示参考不同类型的偏差。阻塞执行因推理与执行串行化引入了与被测推理延迟成正比的空闲时间,导致任务持续时间延长和空闲比升高;朴素异步执行虽然最小化了空闲时间并获得最短的任务持续时间,但其轨迹频繁偏离演示参考,在接触起始和滑动阶段表现出明显的力过冲和振荡行为。

#### 执行质量指标的定量比较
研究人员通过任务持续时间、空闲比、接触力、峰值力、力平滑度和运动平滑度等六项执行质量指标对三种执行策略进行了定量评估。在所有推理延迟条件下,延迟感知执行相较于两种基线策略,多数指标均显著更接近演示参考值。具体而言,延迟感知执行在所有推理延迟条件下的运动平滑度保持在演示参考的9%以内,任务持续时间保持在演示参考的13%以内,而阻塞执行的任务持续时间随延迟增长显著增加。朴素异步执行在所有延迟水平下产生的平均峰值力约为演示参考的5.1至5.5倍,总的接触力达到演示参考的2.4至4.5倍。统计检验(双尾Mann–Whitney U检验,Bonferroni校正后)表明,延迟感知执行与基线策略之间的多数差异在统计上显著。

#### 接触阶段的时序敏感性
研究结果进一步表明,执行调度的影响在接触阶段最为显著。在接触丰富任务中,执行陈旧或时序不当的动作会直接导致力过冲、卡阻或不稳定的相互作用。延迟感知执行通过显式的时间对齐调度,确保执行的动作与机器人的物理状态保持时间一致性,从而在不回归到保守的阻塞行为的情况下缓解了这些效应。这一发现将延迟感知执行确立为在具有缓冲控制接口的工业机械臂上维持稳定交互的关键系统级机制。

### 讨论与结论总结
研究人员在讨论部分指出,尽管评估使用了一个简单的非参数策略和单一任务,但观察到的时序效应并非k-NN推理特有的。许多基于学习的视运动策略都会输出有限时域的动作序列,只要推理延迟相对于执行动力学不可忽略,就会遇到类似的时序问题。在执行接口层面解决这些问题,可以将策略设计与硬件特定的时序约束解耦,这对于基于工业机器人平台的制造系统尤为重要。研究结论部分重申:所提出的延迟感知框架通过显式处理由感知、推理和执行延迟引起的观察-执行间隙,解决了制约视运动策略学习最新进展向工业机器人转移的核心局限。实验证明,与阻塞执行和朴素异步执行相比,延迟感知执行在减少空闲时间的同时保持了与专家演示匹配的平滑运动和顺从接触行为,在所有推理延迟条件下均实现了与演示参考一致的行为。这些发现确立了延迟感知执行作为将学习型控制器部署到工业机器人上时必要的系统级考量。

### 局限性与未来工作
研究人员也指出了研究的局限性:框架在ABB工业机械臂上基于安全认证的高层级控制接口、特定装配任务和感知配置下进行了实验验证,更广泛的适用性需要特定系统的延迟特征化和接口适配。当前实现依赖离线延迟校准,并假设观测和执行延迟在任务期间近似恒定。未来工作应研究在线延迟校准和自适应补偿机制,并探索将高延迟的通用模型如VLA集成到工业机械臂上。此外,还应考虑多阶段长时程装配流程中延迟的累积效应,以及在基于仿真的策略训练中对这些延迟进行建模,以提高物理工业机器人系统上的时序一致性和仿真到现实的迁移能力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号