當你在快餐店等待一份現(xiàn)制三明治時，是否設想過這樣的場景：如果機器人能夠像人類廚師一樣靈活協(xié)調雙臂——一邊煎制培根，一邊涂抹醬料，同時整理餐盒，那么顧客的等待時間很可能大幅縮短。

如今，這一構想正隨著機器人技術的發(fā)展而逐漸走向現(xiàn)實。北京航空航天大學助理研究員范肇心團隊與北京人形機器人創(chuàng)新中心合作，為解決并行高效操作難題，提出了一種名為 RoboPARA 的雙機械臂任務規(guī)劃框架。

該框架的核心創(chuàng)新在于采用基于大模型的兩階段規(guī)劃策略：第一階段通過構建依賴圖生成任務邏輯，并通過檢索增強生成消除語義冗余；第二階段則通過圖重遍歷算法對雙臂的并行調度進行深度優(yōu)化。這種“雙重優(yōu)化”機制顯著提升了機械臂的協(xié)作效率。

（來源：該團隊）

從應用前景來看，這項技術在需要復雜操作協(xié)同的領域展現(xiàn)出廣泛的應用潛力：在服務業(yè)可應用于智能售賣廳和智慧廚房（包括烹飪機器人及家務機器人）；在工業(yè)領域適用于柔性制造生產(chǎn)線和汽車生產(chǎn)車間；在醫(yī)療輔助（如手術機器人）、農業(yè)自動化、災后救援以及家庭服務等場景也具有重要的應用價值。

經(jīng)實際驗證，該技術已在包括天工人形機器人、Franka 和 UR5e 在內的多種機器人平臺上完成測試。實驗數(shù)據(jù)顯示，其工作效率和任務成功率優(yōu)于現(xiàn)有方法。值得一提的是，為促進學術交流和技術發(fā)展，研究團隊即將開源項目代碼和完整數(shù)據(jù)集。

（來源：該團隊）

日前，相關論文以《RoboPARA：面向多任務的雙臂機器人并行分配重組規(guī)劃方法》（RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks）為題發(fā)表在預印本網(wǎng)站arXiv上 [1]。北京航空航天大學研究生段仕英和北京人形機器人創(chuàng)新中心任沛是共同第一作者，北京航空航天大學范肇心、中國人民大學孫怡帆教授和北京人形機器人創(chuàng)新中心任沛擔任共同通訊作者。

圖丨相關論文（來源：arXiv）

如今，大模型雖已成功應用于活動規(guī)劃等任務，但在處理復雜規(guī)劃場景時仍面臨顯著瓶頸，其實際能力尚需更全面的驗證。

針對這一挑戰(zhàn)，研究團隊從日常生活場景中獲得關鍵啟發(fā)——以早晨起床后的多任務處理為例，人們需要同時協(xié)調燒水、洗漱、整理衣物等一系列活動，這些任務有的可以并行執(zhí)行，有的則存在先后依賴關系，或者需要在等待間隙插入其他任務。

然而，規(guī)劃任務本質上具有多解性，團隊研究發(fā)現(xiàn)，直接使用大模型進行任務規(guī)劃時，由于模型自身的推理能力有限，可能會產(chǎn)生“規(guī)劃幻覺”現(xiàn)象。具體表現(xiàn)為：模型可能以高度自信的態(tài)度輸出規(guī)劃結果，但這些方案卻存在實質性錯誤，例如遺漏關鍵操作步驟或違反物理約束條件。

圖丨RoboPARA 框架（來源：arXiv）

為系統(tǒng)解決大模型在復雜規(guī)劃中的固有缺陷，RoboPARA 框架創(chuàng)新性地提出了兩階段處理流程，實現(xiàn)了對傳統(tǒng)規(guī)劃范式的突破性改進。

在第一階段的依賴圖規(guī)劃候選生成中，系統(tǒng)通過構建有向無環(huán)圖（DAG，Directed Acyclic Graph）精確建模任務間的拓撲關系，智能識別并消除冗余操作節(jié)點。

范肇心對 DeepTech 舉例說道：“在廚房場景下，RoboPARA 如同一位技藝精湛的主廚，面對多份訂單時能統(tǒng)籌規(guī)劃不同套餐的切配、烹制和裝盤流程，使機器人獲得像人類那樣的全局調度能力。”

圖丨范肇心老師和博士同學（來源：范肇心）

在第二階段的圖重遍歷優(yōu)化中，算法通過對 DAG 的智能遍歷，在確保任務邏輯完整性的前提下，實現(xiàn)雙臂操作并行度的最大化。以工廠裝配線為例，該技術可讓雙機械臂像配合默契的工人搭檔，同步執(zhí)行差異化操作從而顯著提升產(chǎn)線效率。“通過這種方式，能夠有效避免大模型幻覺帶來的問題。”范肇心表示。

為了驗證 RoboPARA 的有效性，該團隊開發(fā)了首個專門設計用于評估雙臂任務并行性的數(shù)據(jù)集——X-DAPT（Cross-Scenario Dual-Arm Parallel Task）數(shù)據(jù)集。范肇心表示：“為更好地應對工業(yè)界應用的復雜情況，我們在制作數(shù)據(jù)集時充分考慮了商業(yè)場景的需求。”

與現(xiàn)有實驗室導向數(shù)據(jù)集不同的是，X-DAPT 包含 1000 余個任務模塊，覆蓋了從廚房烹飪到農業(yè)溫室管理，從辦公室服務到工廠組裝等 10 類核心場景，每個場景又細分為簡單、中等、困難三級難度梯度。

圖丨X-DAPT 數(shù)據(jù)集的統(tǒng)計評估（來源：arXiv）

大量實驗表明，RoboPARA 在各項指標上均顯著優(yōu)于現(xiàn)有方法。在復雜任務組合中，它實現(xiàn)了更高的效率和可靠性。與傳統(tǒng)方法相比，RoboPARA 的平均并行協(xié)作步驟超過 4.5 倍，執(zhí)行時間減少 30% 至 50%。在具有挑戰(zhàn)性的任務中，其成功率比其他方法的平均水平高出 34%，展現(xiàn)出高穩(wěn)定性和適應性。

雖然當前研究在數(shù)據(jù)集構建和算法設計中尚未系統(tǒng)性地考慮動態(tài)環(huán)境因素，但 RoboPARA 框架已展現(xiàn)出初步的動態(tài)適應能力。這種能力主要源于算法設計之初就集成的檢索增強機制，其多模態(tài)輸入特性（不僅包含文本指令，還整合了視覺感知數(shù)據(jù)）為動態(tài)響應提供了基礎支撐。

以制作熱狗三明治套餐為例，當接收到文字指令后，機器人并非立即執(zhí)行操作，而是會先通過視覺系統(tǒng)捕捉環(huán)境狀態(tài)，識別食材和工具的實時空間分布，評估資源完備性，繼而生成適應性規(guī)劃方案。

這種“感知-理解-決策”的閉環(huán)機制，使得系統(tǒng)在面對新任務場景（如不同套餐訂單）時，能夠通過環(huán)境感知、記憶檢索和大模型推理的協(xié)同作用，實現(xiàn)一定程度的自主決策和動態(tài)調整。

（來源：arXiv）

需要說明的是，當前系統(tǒng)的動態(tài)能力主要體現(xiàn)在任務級適應（如新訂單處理）而非操作級適應（如動態(tài)物體抓取），這也構成了未來研究的重要拓展方向。

然而，不可忽視的是，該框架在任務規(guī)劃過程中仍面臨死鎖問題的嚴峻挑戰(zhàn)。從技術實現(xiàn)層面來看，死鎖現(xiàn)象源于 DAG 遍歷時的循環(huán)依賴：當大模型生成的規(guī)劃方案在任務圖上形成閉環(huán)時，系統(tǒng)會陷入有限幾個任務的無限循環(huán)而無法推進。

范肇心坦言：“在研發(fā)初期，我們嘗試了多種方法引導大模型生成無死鎖的規(guī)劃圖，但在當前版本中仍未完全解決這個問題。”為此，團隊引入傳統(tǒng)規(guī)劃方法作為補充機制來破解死鎖問題。

這種兩階段的折中方案雖然保證了系統(tǒng)的基本可用性，但從長遠來看，研究人員希望未來能夠發(fā)展出端到端的規(guī)劃范式——要么完全擺脫對規(guī)劃圖的依賴，要么實現(xiàn)圖的智能生成與死鎖預防，從而消除對傳統(tǒng)解鎖方法的依賴。

基于此，研究團隊正著眼于以下三個關鍵發(fā)展方向：

首先是架構革新，致力于構建更簡潔的端到端規(guī)劃系統(tǒng)，逐步降低框架復雜度。

其次是模型輕量化，在保持規(guī)劃性能的前提下，探索如何將算法部署到包括北航團隊開發(fā)的 TinyLLaVA、阿里千問等 7B 參數(shù)以下的輕量級基座，以增強端側適用性。

最后是深入到控制層面，推動研究從任務級規(guī)劃向動作級控制延伸，實現(xiàn)“視覺-語言-動作”的深度融合。“這三個方向不僅具有學術價值，也有望推動雙臂機器人在工業(yè)界的落地應用。”范肇心說。

參考資料：

1.https://arxiv.org/abs/2506.06683

運營/排版：何晨龍