论文导读
南加州大学提出全臂接触学习WACL，让机械臂在夹爪端着杯子或托着盘子时，用手臂其他部位继续操作物体。每项任务只收集10次无需遥操作的人类示范，四项受约束实机任务合计成功率为78%，对照为33%。换一项夹爪约束，也能由规划器重新安排接触动作。
杯子不能歪，咖啡机还得打开
机械臂已经端着一杯水，怎么再把咖啡机打开？WACL让夹爪继续保持杯子竖直，用手臂表面抬起咖啡机把手。接触部位可以变，夹爪原来的任务不能被顺手放弃。
图：夹爪保持杯子竖直，机械臂表面接触咖啡机把手。
论文准备了四种这样的双任务：端杯打开咖啡机、托盘关柜门、让夹爪留在水槽上方时关水龙头，以及夹爪被短绳牵住时按按钮。每一种都要求手臂接触物体，同时维持夹爪的姿态或位置。
在xArm 7上，WACL完成了40次受约束测试中的31次，对照KALM完成13次，论文分别四舍五入报告为78%和33%。每个任务、方法和条件只有10次测试。这里的优势是这组明确安排的接触任务，不代表任意家务的可靠性。
示范告诉它碰哪里，规划器决定用哪一段手臂
人类示范不用带着机器人逐关节运动。三个相机记录人用裸手完成任务，系统从每项10次示范中学习物体上的关键位置、接触路线和按压方向。示范保留下来的重点，是动作对物体的要求。
图：人类示范、关键点和约束进入规划器，再输出机械臂的接触路径。
随后，视觉语言模型把“端着杯子”“不要离开水槽上方”等要求转换成规划器能检查的约束。规划器搜索哪根连杆、连杆上的哪个位置以及怎样的关节配置可以实现接触，并在整个路径上维持夹爪条件。
这与预先规定一段手臂的完整姿态不同。对照方法先给某一连杆定好姿态，新增夹爪条件后，原来那条路线可能无解。WACL允许接触位置沿手臂表面移动，也允许换接触连杆，给同一个任务留出更多可行姿势。
对照使用遥操作示范，WACL使用裸手示范，因此实验没有把“动作表示变化”和“示范方式变化”完全拆开。论文中的差距可以支持整套方法的比较，不能全部归因于某一个模块。
手上多一条要求，不用重新训练
研究团队把关水龙头时夹爪里的清洁垫换成杯子。原本只需待在水槽上方，现在还必须让杯子保持竖直。两条要求一起送进规划器，WACL依然完成10次中的7次，与单一条件下的结果一致。
图：另一台Franka机械臂与水槽等任务物体布置在迁移测试工作区。
同样的关键点策略、接触轨迹和任务描述，还被用于另一台Franka FR3机械臂，只更换规划器中的机器人模型。其无约束合计成功率为75%，有约束为68%。咖啡机任务的下降最明显：FR3更粗、更圆的连杆不容易卡进细把手附近。
这种迁移说明，把“物体需要怎样的接触”与“机器人怎样摆姿势”分开，能保留一部分动作经验。换机器后具体几何仍会改变结果，不能把零次重新训练理解成完全不受机械结构影响。
目前WACL按几何规划，不直接建模接触力和物体动力学，算出可行路线后仍可能打滑或按压不足。一次单候选推理约需34.6秒，执行期间也没有持续闭环修正。论文展示的是让夹爪忙碌时的手臂操作成为可学习、可重新规划的任务。
参考资料
https://arxiv.org/abs/2610.17802
https://arxiv.org/html/2610.17802
