Push-Wiper: Toward General-Purpose Robotic Cleaning across Varied Stains and Surfaces with Segmented Pushing Trajectories
Renhao Lu, Mingxin Wang, Chenyang Cao, Yang Yang, Guoping Pan, Kangkang Dong, Yi Cheng, Houde Liu
IROS 2026)
cs.RO
2026-08-01
黏稠污渍一擦就抹开。Push-Wiper 改用海绵分段推压把污渍聚拢再带走,清洁分 89.9 远超基线 44.98,零样本迁移到液体、固体和曲面。
黏稠污渍(番茄酱、花生酱这类高黏度、流变性复杂的脏东西)是机器人擦桌子的大难题。普通擦拭会把污渍抹开越擦越脏;用力刷摩擦力够,又可能划伤表面。这篇把问题换了个说法:别想着「擦掉」,改成「聚拢再带走」。
Push-Wiper 用一块海绵,把黏稠污渍的清洁重写成「先聚拢、后收尾」两阶段,靠的是分段推压轨迹。
聚拢阶段,先把观测抽象成一张无纹理的二元污渍图(污渍=0、干净=1),逼策略去学「怎么把脏东西归拢」这件事,而不是去抠视觉纹理或曲面几何。然后由 Diffusion Policy 当低频宏观规划器,输出一段段离散的推压笔触,动作空间被限制在平面(平移 xb、yb 加偏航旋转 Δθ),只生成平面聚拢动作。
2D 平面规划怎么落到 3D 曲面上,靠 ASPI(Arbitrary Surface Pose Interpolator,任意曲面位姿插值器)。它把 2D 动作投影到曲面,取出接触点和法向量,再用 B 样条拟合、梯形速度参数化和球面线性插值合成 6D 轨迹,让工具坐标系的 z 轴始终对齐曲面法向。
接触力由一个混合力位姿控制器管:导纳控制器把法向接触力调到 20N,其余轴走位置控制,既贴得紧又不至于压坏。
污渍聚成一堆后进入收尾阶段:预定义的动作原语依次做蘸取(把残渣粘起)、刮除、冲洗、挤水让海绵自清洁,最后做一遍全覆盖擦拭。海绵能自我清洁,是这套方法能连续干活的要害。
清洁分 CS =(1 减去 清洗后污渍面积 除以 清洗前面积)乘 100。两个训练用污渍(番茄酱、花生酱)上:
| 方法 | 番茄酱均分 | 花生酱均分 | 总均分 |
| Full-Cover(全覆盖擦) | 53.99 | 11.28 | 32.64 |
| PushAll-Onetime(一次推到底) | 58.04 | 31.99 | 44.98 |
| Push-Wiper | 92.30 | 87.46 | 89.88 |
Push-Wiper 总均分 89.88,比最强基线高出一倍多,作者给出「最高比基线高 130%」的说法。花生酱是最难的(全覆盖擦只有 11 分,基本等于把酱抹匀),Push-Wiper 能做到 87。
泛化上更亮眼。训练数据只有平面、只有番茄酱和花生酱,但零样本迁移到固体残渣(黑圆片)100.00、液体泼洒 92.62、混合黏稠污渍 94.42;迁移到训练时没见过的曲面,凸面 91.45、凹面 93.42。加上收尾阶段,总清洁分还能从 89.44 拉到 99.25。数据采集只用了 448 条轨迹(75 番茄酱、75 花生酱任务),增强到 2688 条。
家用和服务机器人最常见、也最劝退的任务之一就是「擦干净黏糊糊的东西」,主流操作策略对这种流变性强、形状会变的对象基本束手无策。这篇的贡献不在刷高某个 benchmark,而在把一个开放难题重新定义成一个可解的「聚拢」问题,配上曲面插值和海绵自清洁,用很少的数据就做到了跨污渍、跨曲面的泛化。被 IROS 2026 收录。
硬件门槛不低,要六维力传感器和腕部相机,普通机械臂直接用不了;感知只有腕部相机一个视角,常被机械臂自己挡住,靠低频重规划打补丁。海绵要自清洁、要控湿,连续作业的寿命和维护没讨论。验证的污渍种类有限(番茄酱、花生酱、黑椒酱、蚝油一类),更广的材质覆盖没给。论文也提到未来要加人机协作的安全约束,说明现在没有显式的人身安全设计。