论文导读
北京航空航天大学、北京通用人工智能研究院、Delta Intelligence、北京大学等机构研究双臂擦桌：一只手临时移开物体，另一只手擦过原来被挡住的位置，再把物体放回。团队将动作先后、执行时间与几何可行性一起规划，并在双Franka机械臂和Kuavo平台上展示协同执行，让物体底下的桌面也进入覆盖范围。
绕开杯子，桌子就永远少擦一块
桌面放着物体时，只规划一条绕障路线，很容易把障碍物底下那块面积漏掉。要擦全，就得移动东西；但如果搬一次、等一次、再擦一次，两条机械臂又变成排队工作。
这篇论文把任务改成两个可以重叠的流程：支援手拿起并暂时移开障碍，擦拭手在可进入时清洁那片区域，最后将物体放回。物体移开多少、哪只手什么时候进入，不只决定能不能做，也决定总共要等多久。
图：双臂实拍中的移开、擦拭、放回动作，以及不同物体对应的前后画面。
实验序列展示了拿起、让出位置、擦拭和复位。这里能直接看见的是动作协作与覆盖区域，不能单凭画面推出消毒率、去污化学效果或对所有桌面材料的清洁质量。
时间表先排起来，再检查两条手臂会不会打架
系统先把桌面离散成需要覆盖的位置，标出被物体挡住的点，再建立擦拭与搬放的基本动作。高层规划器安排这些动作的顺序与开始时间，目标是缩短整项任务最后完成的时刻。
排出来的时间表还要接受几何检查。逻辑上允许两只手同时动作，不代表它们经过的空间一定能容纳。如果运动规划发现冲突，就把反馈送回任务规划器，增加先后约束后重新排程。
图：覆盖位置、双臂动作时间表和轨迹生成之间的关系，以及各基本动作。
论文把这套任务规划叫作Geo-MILP。对读者而言，关键是它反复连接两个问题：什么时间做哪件事，以及机械臂实际能不能沿那条路做成。最终的连续运动还要经过轨迹优化，而不是把离散动作名称直接发给电机。
这让等待有了可优化的对象。搬放不能挡住擦拭，擦拭也不必等整桌物体都搬完；只要几何条件允许，两条流程就尽量重叠。
比较的不只是覆盖率，还有整段完成时间
团队在不同杂乱程度的随机布局中测试，并展示双Franka与Kuavo上的执行。量化比较包含任务成功率、规划时间与执行总时长，三者分别回答方案是否可行、计算等多久、机器人动多久。
图：不同物体数量下的成功率、规划时间与执行总时长比较。
传统只避障的覆盖路径，难以触及物体底下；顺序执行的任务运动规划，则容易让一只手空等。论文报告，联合时间调度能在触达更多桌面区域的同时，缩短相对顺序方案的执行时间。不同布局的数据要分别比较，不能从一条最快案例推出任意桌面都能提速相同比例。
当前流程建立在固定基本动作与物体放置定义上。遇到冲突时，主要调整动作的先后，还没有联合搜索各种抓姿、擦拭方向和放置位置，也尚未解决动态家庭场景中的实时视觉反馈。
实机演示落在一个具体问题上：桌上物体可以临时移开，擦完再复位；两条机械臂的协作收益，来自同时把空间和时间安排好。
参考资料
https://arxiv.org/abs/2610.19527
