AdaptPNP：面向自适应机器人操作的预 grasp与非 grasp技能集成
机器人学
2026-03-20 v2
摘要
非预 grasp(Prehensile)操作是在不形成稳定抓取的情况下改变对象状态的机器人操作(例如，推、 poke或滑动)，显著拓宽了机器人操作能力，当抓取不可行或不足时尤为重要。然而，构建一个能够在不同任务、对象和环境间普遍化，同时无缝集成非预 grasp与预 grasp(P)动作的统一框架仍然具有挑战性：机器人必须确定何时调用非预 grasp技能、为每个情境选择合适的原始技能，并将P和NP策略组合成稳健的多步骤计划。我们引入ApaptPNP，一个以视觉语言模型(VLM)为驱动的任务与运动规划框架，系统性地选择和组合P和NP技能，以完成多样化的操作目标。我们的方法利用VLM来解释视觉场景观察和文本任务描述，生成高层次的计划框架，规定P和NP动作的序列和协调方式。基于数字孪生体的对象中心中间层预测所需对象姿态，实现对操作序列的主动心理排练。最后，控制模块综合低层机器人命令，通过持续的执行反馈实现在线任务计划细化和适应性重规划。我们在模拟和真实世界环境中对ApaptPNP进行了评估，这些结果凸显了混合P&NP操作作为通用人类水平机器人操作能力的关键步骤。项目网站：https://adaptpnp.github.io/。
引用
@article{arxiv.2511.11052,
title = {AdaptPNP: Integrating Prehensile and Non-Prehensile Skills for Adaptive Robotic Manipulation},
author = {Jinxuan Zhu and Chenrui Tie and Xinyi Cao and Yuran Wang and Jingxiang Guo and Zixuan Chen and Haonan Chen and Junting Chen and Yangyu Xiao and Ruihai Wu and Lin Shao},
journal= {arXiv preprint arXiv:2511.11052},
year = {2026}
}