GIST开发出可像人类一样操控物体的AI双臂机器人抓取技术
一次性学习双臂协同……期待“推动人形机器人研究发展”
光州科学技术院（GIST）9日表示，人工智能融合学科教授 Lee Gyubin 研究团队开发出一项“人工智能双臂机器人抓取（grasp，拾取）技术”，可像人一样同时使用双臂保持平衡，稳定抓取并操控物体。
该技术的核心在于，机器人在抓取物体时，能够自主学习并解决因双臂运动相互碰撞或受力失衡而产生的不稳定性，从而实现稳定的姿态。预计今后将有助于推动利用上半身以类似人类方式操控物体的人形机器人研究发展。
近期，随着在物流、制造、医疗等各类产业的实际环境中执行物理作业的“物理人工智能（Physical AI）”需求不断增加，利用双臂稳定抓取和处理物体的“双臂机器人（Dual Arm Robot）”备受关注。尤其是像家具这类体积大或重量重的物体，仅靠单臂难以操作，双臂协同稳定抓取的技术必不可少。
然而，双臂抓取需要同时考虑手臂的位置、方向和力量，情况组合极多，并且必须在双臂互不碰撞的前提下，将施加在物体上的力量均匀分散，因此控制要复杂得多。既有研究多采用分别计算两条手臂动作后再进行组合的方式，难以充分考虑双臂协同，导致动作发生碰撞或受力偏向一侧等问题，在真实环境中难以实现稳定的双臂协同。
为解决上述问题，研究团队开发了从一开始就将双臂视作一个整体系统同时考虑的人工智能模型——“双臂抓取机器人系统（BiGraspFormer）”。该技术采用从输入到输出一体化处理的“端到端（end-to-end）”方式，无需再划分多个阶段，一次性完成对双臂协同的学习。
该系统以类似人类抓取物体的三步过程运行。首先，利用摄像头将目标物体识别为由大量点构成的点云（Point Cloud）形式，并在此基础上同时分析整体形状与表面结构，这一过程类似于人类在抓取物体前用眼睛判断抓取位置。
接着，在以单臂为基准先寻找可稳定抓取的多种位置，再以此作为“向导”，高效生成双臂可共同抓取的组合，从而大幅减少复杂的情况组合，实现快速计算。最后，在保证双臂互不干涉的前提下，选择对物体施加力量最为均衡的最优组合，确定最稳定的抓取姿态。
研究团队通过虚拟环境实验（仿真）和真实机器人实验验证了该技术的性能。在利用椅子、货架、收纳箱等100种不同形状物体进行的虚拟实验中，抓取成功率达到89.67%，较现有技术提升约18个百分点。在外部施加冲击的条件下，仍保持59.72%的成功率，比现有技术提高约23个百分点，证明在真实环境中也能稳定运行。
即便在未对真实机器人进行额外训练的情况下，将在虚拟环境中完成学习的人工智能模型直接应用于实际机器人，从沉重的阶梯状结构到形状不规则的椅子等多种真实环境物体，仍实现了平均超过88%的抓取成功率，验证了其现场应用可能性、通用性与稳定性。
Lee Gyubin 教授表示：“本次研究首次证明，通过以一种统一方式学习机器人双臂协同，可以在无需额外训练的情况下，将在虚拟环境中训练的模型直接应用于真实机器人，是首个一体化双臂抓取系统。”他还表示：“今后有望在大型家具搬运、物流仓库自动化、制造现场重物装配等以往单臂机器人存在局限的诸多领域，加速双臂机器人的实用化进程。”
本研究由 GIST 人工智能融合学科 Lee Gyubin 教授指导，博士课程研究生 Kim Kangmin（第一作者）具体执行，获得了科学技术信息通信部及信息通信规划评价院（IITP）人工智能研究生院支持项目，以及韩国研究财团面向智能应用开发的开放仿真平台核心技术支持项目的资助。
研究结果计划在2026年6月1日至5日于奥地利维也纳举行的机器人领域世界顶级学术会议“ICRA 2026”上发表。此外，该研究已于2025年9月23日先行公开在国际学术预印本平台“arXiv”上。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
