【全身灵巧操作：3D扩散策略、力自适应与接触显式学习】第八章 8.2 实战项目一：双臂协调物体搬运

8.2 实战项目一：双臂协调物体搬运

双臂协调物体搬运代表了机器人操作领域的高阶能力范式，其核心在于通过两个机械臂的时空协同完成单臂难以胜任的复杂任务。与单臂操作不同，双臂系统面临着高维动作空间、复杂的力交互约束以及实时自碰撞避免等多重挑战。近年来，基于3D视觉的模仿学习方法，特别是扩散策略在双臂系统中的扩展，为该领域提供了新的技术路径。本章节将系统阐述从任务分析到真实部署的完整技术链路，重点探讨基于点云观测的3D扩散策略如何实现双臂抓取点的自动规划、搬运过程中的力协调以及从仿真到真实的无缝迁移。

8.2.1 任务分析与策略设计

双臂协调搬运任务的本质是构建一个感知-决策-控制的闭环系统，其中涉及对物体物理特性的在线感知、抓取配置的优化计算以及力位混合的实时调节。该阶段的设计决策直接影响后续策略学习的复杂度与部署时的鲁棒性。

8.2.1.1 物体特性（重量、形状、刚度）的感知

物体物理特性的准确感知是双臂协调的前提。重量与刚度信息决定了双臂夹持力的初始设定与搬运过程中的力控增益，而几何形状则直接影响抓取点的空间分布。在视觉感知层面，采用单视角深度相机获取原始点云数据，通过最远点采样算法将原始点云降采样至固定维度，以平衡计算效率与几何表达力。降采样后的点云不仅保留了物体的整体轮廓，还去除了因镜面反射或遮挡导致的离群点。

物理属性的估计采用基于图神经网络的轻量级编码器，该网络通过分析点云局部几何特征与全局拓扑关系，推断出物体的近似质量分布与刚度类别。具体实现中，点云首先通过空间变换网络进行对齐，消除观测视角带来的位姿差异。随后，边缘卷积操作在局部邻域内提取表面曲率与法向量信息，这些几何特征与抓取难度存在统计相关性。网络输出包括三个维度的物理属性编码：质量等级、刚度类