突破边走边抓瓶颈：CoorDex让49自由度人形机器人协同操作
量子位 · wechat · 2026-07-31
北卡大学与伯克利分校团队提出 CoorDex 框架，解决了人形机器人无法在行走中流畅进行灵巧抓取的难题，论文已被 RSS 2026 Workshop 接收。
核心痛点
传统方法让强化学习直接控制全身（如 29 自由度身体 + 20 自由度灵巧手 = 49 维空间），会导致探索空间爆炸。机器人往往只能停下脚步才能稳定抓取，因为行走带来的手腕位置变化与手指接触扰动会互相干扰。
解决方案：运动先验与残差协调
CoorDex 没有把所有关节塞进一个网络，而是采用分治策略：
- 分离预训练：分别训练身体和手部的“运动先验”，并将其压缩到低维潜在空间（身体 16 维，手部 12 维）。
- 残差微调：下游任务策略不再从头学习关节角度，而是基于当前状态预测身体与手部的“微调残差”。
- 协调机制：通过共享协调主干网络理解任务阶段（接近、预抓取、搬运等），再分头输出修正指令，保证手脚配合默契。
实验效果
在 IsaacLab 仿真环境中的三项连续移动操作任务里表现优异：
- WalkGrab（边走边拿）：成功率达 55%，停止率与跌倒率均为 0。
- OpenFridge（开门）：成功率达 66%，平均开门角度 57.76°。
- WalkPickTurn（抓取转身）：成功率达 89%，朝向误差极低。
消融实验证明，如果不采用这种结构化分工（例如直接全关节控制或单体网络统一预测），任务成功率几乎为 0。团队还在真实 Unitree G1 机器人上验证了运动学兼容性。此外，团队还推出了延伸项目 AnyBody，允许通过稀疏关键点（如单只手腕）输入来生成协调的全身动作。
「具身」频道最新
- 宝马斯巴坦堡工厂测试 Figure 03 人形机器人 — emmanuelvivier · 2026-07-31
- 三星成立机器人业务部门，全面加码工业与服务机器人 — emmanuelvivier · 2026-07-31
- 港大教授Taku Komura：用消费级设备构建具身智能原生世界模型 — 量子位 · 2026-07-31
- Physical Intelligence 高管澄清定位：不止于遥操作，全力攻克通用具身智能 — ZeYanjie · 2026-07-31
- 实拍大型电机轴打磨加工现场 — MatthewChang · 2026-07-31
- M5Stack 开办强化学习机器人研讨会：从仿真到真机部署 — ShawnHymel · 2026-07-31