上海启智研究院、卡内基梅隆大学等机构合作推出的 RL-100强化学习框架相关研究正式刊发于机器人领域顶刊《Science Robotics》。该研究不同于多数仅在仿真环境验证算法的工作聚焦现实无规整场景下的机械操作难题希望让机器人的作业稳定度、执行速度与抗干扰能力达到乃至优于熟练操作人员。为充分佐证这套框架的实际性能研究人员没有只做少量演示测试而是在Franka Research3实体机器人平台完成九百组独立测试全程全部顺利完成任务以此直观证明该系统具备高可靠的实操能力。folding_execution_timeRL-100框架下FR3任务体系设计基于FR3硬件特性研究搭建多模态真实机器人操作任务集覆盖刚性物体、流体、可变形物体三类典型交互场景。单臂FR3典型任务倾倒作业抓取盛装颗粒物料的容器通过手腕可控倾斜完成物料转移核心考验FR3手腕力矩控制与稳定抓取动态拧螺丝FR3搭载灵巧手完成螺母旋取作业中需要持续调整接触力应对螺纹摩擦变化橙子榨取分取果、取出残渣两步子任务在狭小空间内完成柔性水果的抓取与推送。图1真实机器人各类任务实拍图展示本研究整套任务集的多样类型。双臂协同FR3任务 软毛巾折叠、纸盒折叠两类任务采用双FR3协同架构依靠双臂同步位姿调整处理布料、纸板等半刚性变形物体长时序折叠流程对FR3双臂时空协同控制提出要求。任务数据采集方式FR3演示数据通过Apple Vision Pro手部追踪远程遥操作采集操作人员手部动作映射至FR3关节空间同步记录点云视觉、机械本体本体感知、动作三元组数据为扩散视觉运动策略提供训练素材。FR3配套RL-100训练流程与优化方案RL-100设计三段式训练流程全部实验均以FR3实体机械臂作为执行载体分阶段优化机器人操作策略。模仿学习预训练阶段使用FR3遥操作采集的人类演示数据初始化扩散策略学习基础抓取、转运、旋转等原生操作行为规避纯强化学习初期硬件无效探索带来的碰撞风险降低FR3设备损耗。迭代离线强化学习在预训练模型基础上复用FR3自主执行产生的轨迹扩充数据集采用统一裁剪PPO优化目标微调扩散降噪流程不占用大量实体FR3机时仅通过历史轨迹完成策略迭代。在线强化学习微调使用少量FR3实体交互数据消除剩余故障模式针对FR3作业时抓取滑落、轨迹碰撞、姿态错位等高频问题进行修正大幅提升任务完成稳定性。推理延迟优化为适配FR3高频控制需求引入一致性模型蒸馏将多步扩散采样压缩为单步推理缩短FR3控制回路延迟提升动态场景下实时调整能力。图2RL-100与各类对比算法、人工操作者在实际部署场景下的任务完成效率对比。FR3平台实验结果与应用价值多维度实验指标在FR3执行的全部评估任务中经过RL-100完整流程训练的策略相比仅依靠模仿学习的基线任务成功率显著提升面对表面摩擦变更、物体外形未知、人为外力干扰等分布偏移场景FR3仍可维持稳定操作表现。在商场公开场景中搭载训练策略的FR3榨取机器人可连续数小时稳定服务访客未出现硬件故障或操作失效。结语该项目中Franka机械臂与LeapHand、Robotiq灵巧手的组合以及xArm与Franka构成的双臂协同系统均在各项任务中发挥了重要作用。上述硬件设备均可通过BFT机器人平台采购欢迎咨询我们将为您提供详细的产品信息、技术参数及配套服务方案。原项目链接https://lei-kun.github.io/RL-100/