Choice Policy团队 投稿
量子位 | 公众号 QbitAI
在家庭厨房自主使用洗碗机，在办公室边移动边擦拭白板——这些人类习以为常的场景，对人形机器人来说，却是需要调动全身关节协同运作才能完成的“高难度挑战”
近日，UC Berkeley加州大学伯克利分校团队在arXiv平台发表了题为《Coordinated Humanoid Manipulation with Choice Policies》的研究论文，通过“模块化教学+智能选动作”的创新方案，成功破解了人形机器人全身协同的核心难题，为其走进真实人类环境铺平了道路。
人形机器人一直被寄予厚望，有望在家庭、办公等非结构化环境中帮助人类完成日常工作，但长期以来，两个关键难题让它始终无法突破“实验室边界”，难以真正落地应用：
难题1. 全身协同难，“教学数据”获取贵且难
像使用洗碗机、移动擦黑板这类“长时连续任务”，需要机器人同时协调头部（定位目标）、双手（抓握操作）、腿部（移动平衡），实现类似人类“眼到手到、脚步稳健”的状态。
但传统的“遥操作”模式，需要操作员同时控制机器人几十个甚至上百个关节，不仅操作难度极高，操作员极易疲劳，还很难收集到高质量的演示数据——没有靠谱的“老师示范”，机器人自然学不会复杂的协同动作。
难题2. 动作“灵活度”与“反应速度”不可兼得
人类做同一个动作往往有多种可行方式（比如拿盘子，既可以五指托举，也可以拇指扣住边缘），这种“动作多样性”是机器人模仿人类的关键难点。
传统解决方案要么“太僵硬”：比如“行为克隆”技术只能让机器人学一种固定动作，遇到稍微变化的场景就会失灵；
要么“太迟钝”：比如“扩散策略”虽然能想到多种动作，但需要反复计算，延迟极高，根本跟不上实时操作需求（比如插盘子时错过最佳对准时机）。
针对上述两大难题，伯克利团队没有走“复杂控制一刀切”的老路，而是提出了“模块化简化教学+多候选智能选动作”的组合方案，实现了“1+1>2”的效果：
1. 简化“教学”：模块化遥操作，普通人10分钟就能当“机器人老师”
团队把机器人的全身控制拆分成4个“傻瓜式”模块，操作员只需用VR手柄就能轻松操控，无需专业技能：
①手眼协调模块：头部会跟随手部动作转动，确保眼睛始终盯着操作区域；
②手部抓握模块：扣动扳机键就能实现“力量抓握”，拨动摇杆可微调拇指位置，精准控制力度；
③手臂跟踪模块：VR手柄的姿态会直接映射到机器人手臂，手柄动哪里，手臂就跟到哪里；
④全向移动模块：切换摇杆模式后，就能控制机器人前后、左右移动或转弯。
这种设计大幅降低了操作门槛，操作员10分钟就能上手，既能减少疲劳，又能快速收集大量高质量演示数据——相当于为机器人配备了高效的“专属家教”，让它不再盲目模仿。
2. 优化“决策”：Choice Policy算法，让机器人“秒选最优动作”
团队摒弃了传统方案的弊端，设计了“多候选动作生成+实时打分筛选”的机制：机器人会一次性生成多个可行的动作方案（比如拿盘子的3种不同姿势），再通过训练好的模型给每个方案打分，瞬间选出最优解。
这个过程就像人类做决定时“脑子里快速过几个选项，挑最稳妥的来”，既保留了动作的多样性，又保证了反应速度，完美解决了“僵硬”与“迟钝”的核心矛盾。
这项研究的成功，离不开算法创新与硬件性能的深度配合。而星动纪元全尺寸双足人形机器人星动STAR1的硬件优势，恰好为算法落地提供了“强力支撑”，让“模块化教学”和“多候选决策”真正发挥作用：
1. 超高自由度+精准操控，适配手部与手臂模块需求
星动STAR1搭载2只星动XHAND1手部，每只手有12个全主动驱动自由度，且无被动关节——这意味着手指能做出更精细、灵活的动作，完美匹配“手部抓握模块”的需求。
当操作员通过手柄触发“力量抓握”时，机器人手指能像人类一样精准调节力度，既不会夹碎盘子，也不会让橡皮滑落；同时，其仿生手臂7个自由度的高刚性设计，能快速响应“手臂跟踪”指令，避免因硬件卡顿导致操作失误，确保模块指令精准落地。
2. 全向移动+稳定平衡，支撑移动操作任务
像移动擦黑板这类“边走边干”的任务，对机器人腿部性能要求极高。星动STAR1每只腿有6个自由度，支持全向移动（前后、左右、转弯），刚好适配遥操作的“移动模块”；
更关键的是，它内置姿态传感器和低层级PD控制器，能实时调整腿部关节力度，就像人类走路时自然调整重心一样，让机器人在移动中保持稳定——这也是论文中“移动与操作深度融合”能实现的核心硬件基础。
3. 多传感器融合，赋能手眼协调模块
手眼协调是长时任务成功的关键，而这需要精准的视觉反馈。
星动纪元全尺寸双足人形机器人头部搭载RGB+深度相机，能快速捕捉目标位置（比如洗碗机卡槽、白板污渍），并将视觉信息同步给手部操作模块，实现“眼睛看到哪里，手就对准哪里”。
论文数据显示，没有手眼协调时，洗碗机卡槽容易被遮挡，机器人“看不见就插不准”；而STAR1的高清视觉传感器配合头部2个自由度的灵活转动，能让卡槽始终保持可见，大幅提升操作成功率。
4. 高鲁棒性设计，保障实验顺利推进
研究需要通过10次连续试验验证稳定性，而星动人形机器人星动STAR1的55个驱动自由度（头部2+腰部3+手臂7×2+腿部6×2+手部12×2）提供了充足的运动冗余，再加上抗干扰的硬件设计，能有效减少硬件故障、网络超时等问题，确保高质量演示数据的持续收集——这也是论文能公平对比三种算法、凸显Choice Policy优势的重要前提。
团队在两个真实场景中开展了大量实验，结果直观证明了新方案的优势，其中手眼协调和Choice Policy算法成为“胜负手”：
1. 核心任务：洗碗机装载（10次连续试验）
这是考验“头-手协同”的关键任务，需要完成“滑动盘子→抓取→手递手→插入卡槽”四个步骤，任意一步失败即判定任务失败：
无手眼协调时：所有方法在“插入”阶段几乎全败，成功率仅10%-20%，核心原因是卡槽被遮挡，机器人“看不见插哪里”；
有手眼协调时：Choice Policy表现一枝独秀——抓取成功率100%、手递手成功率90%、插入成功率70%；而传统“行为克隆”插入成功率仅50%，“扩散策略”因延迟高，插入成功率也只有50%。
2. 进阶任务：擦白板操作（5次连续试验）
这是更复杂的“走+干”协同任务，需要完成“头部找橡皮→抓取→走到白板前→擦拭”流程，对全身协同要求极高：
传统“行为克隆”：抓取、走路、擦拭成功率均仅20%，经常因走路失衡、定位不准导致任务中断；
Choice Policy：抓取、走路、擦拭成功率均达到40%，虽然整体仍有提升空间，但已是传统方法的2倍，充分展现了“移动与操作深度融合”的能力。
3. 三大关键发现
手眼协调是长时任务的核心：没有它，哪怕手部、腿部单独操作再精准，也会因“看不准”导致整体失败；
Choice Policy的“打分机制”是核心优势：消融实验显示，若随机选动作、平均动作或固定一个动作，插入成功率最高仅30%，而“打分选最优”能达到70%，证明智能选择的必要性；
硬件冗余不可少：星动纪元人形机器人星动STAR1的55个驱动自由度让机器人能灵活调整动作，适配不同候选方案，而低延迟特性则保障了“实时选动作”的优势。
这项研究不仅是算法层面的突破，更给人形机器人产业化带来了三大核心落地价值，加速其走进日常生活：
1. 降低“教学成本”，普通人也能教机器人干活
模块化遥操作让非专业人员10分钟就能上手教机器人，无需依赖昂贵的专业工程师，大幅降低了高质量演示数据的收集成本。这意味着机器人的“学习素材”会越来越多，训练效率也会随之翻倍。
2. 破解落地痛点，适配真实非结构化环境
Choice Policy解决了“动作僵硬”与“反应迟钝”的矛盾，再加上星动STAR1这类高自由度硬件的支撑，机器人能在家庭（装洗碗机、叠衣服）、办公（擦白板、整理文件）、仓储（搬运货物）等复杂环境中稳健工作，彻底摆脱对实验室“理想场景”的依赖。
3. 搭建“软硬协同”范式，为行业提供可复制模板
研究证明了“模块化遥操作（数据收集）+ Choice Policy（算法学习）+ 高自由度硬件（执行）”的组合方案完全可行，为后续人形机器人研发提供了清晰的技术模板。
尤其是星动STAR1的硬件设计，验证了“多自由度+精准控制+稳定移动”是复杂任务落地的关键，给硬件厂商指明了优化方向。
4. 提升鲁棒性，应对真实环境的不确定性
在“未见过的盘子颜色”“盘子位置偏移”等超出训练范围的场景中，Choice Policy的成功率仍高于传统方法，说明机器人能应对真实环境的变化——这正是从“实验室原型”走向“实用产品”的核心门槛。
未来，随着这套技术框架的进一步优化，人形机器人走进日常生活的场景或许很快就能实现：下班回家，机器人已经把餐具整齐装进洗碗机；走进办公室，白板上的残留字迹早已被机器人擦拭干净。
论文名称：
《Coordinated Humanoid Manipulation with Choice Policies》
论文地址：
https://arxiv.org/pdf/2512.25072