五度妙笔
企业透视镜
API商城
数据库QCP：让机器人学会"按质完成"任务
BFT为用户提供高效的解决方案
如有产品购买需求请联系：18551727852
QCP将执行质量作为显式的条件输入，训练前先测量每条成功轨迹的质量分数，再按等频分箱（equal-frequency bins）量化为 q0–q3 四级标签（q3 为最高一档），每一档的样本数量相同；策略在所有成功轨迹上以质量标签为条件训练，一条策略可同时以六个质量属性为条件——完成时间、动作平滑度、末端执行器平滑度、末端执行器速度、平移路径、旋转路径，既可单独调节，也可组合调节。在推理阶段，操作人员指定对应质量标签，就可以调整机器人的运动行为。
仿真实验的结果需要实体机器人来检验算法在物理环境中的可行性，本项目选用搭载 DROID 硬件与相机套件的 Franka 机械臂作为真实实验载体，完成两组典型实操任务的验证。
研究人员借助该机械臂的遥操作功能采集原始示范数据。传送带作业收集 400 组有效示教片段，构成初始数据集；酒杯搬运任务则是在 382 次遥操作中筛出 50 次成功样本，成功率仅 13.1%——移动中保持托盘水平，对人手遥操作同样困难。
项目设置两类现实任务。一是传送带作业，传送带每 3 秒送来一个罐子，吞吐量定义为每分钟成功抓取的罐数，需要在动作速度与成功率之间同时兼顾；二是托盘搬运酒杯，需要维持托盘平稳，避免酒杯倾倒，以托盘相对水平面的倾角衡量稳定性。Franka 执行 QCP 输出的动作指令，并承担每一轮迭代中新增轨迹的采集。
两组任务的收益都可以量化。传送带作业的吞吐从 8.2 提升到 13.0 罐/分钟（+59.3%），末端执行器平均速度从 188.6 提升到 257.6 mm/s（+36.6%），已超过人类遥操作时的 173.5 mm/s；端送酒杯任务的托盘倾角从 0.0660 降到 0.0482 rad（-27.0%），成功率从 30.7% 提升到 42.0%。
需要说明的是，这两个真机任务各自独立采集数据、独立训练，并未沿用仿真实验的模型；它们验证的是同一套机制在物理环境中同样成立，而不是仿真指标的直接迁移。
图 2：Base 与 QCP 的三项指标对比。左列为真实机械臂的端送酒杯任务（托盘倾角，越低越稳）；中、右列为仿真环境中的插入任务（所需步数、与虚拟人手的最近距离）。
结语
QCP 研究证明，除了完成任务目标之外，机器人可以对运动风格、执行品质做可控调节。同一条策略换一个质量标签，就能在“更快”与“更稳”之间切换——这种能力来自质量条件化本身，而不是针对某个任务的专门调参。Franka 在这里承担的是把方法从仿真推向物理部署的验证角色，两组真机任务都出现了可量化的收益，也体现了实体机器人在机器人学习研究里，承担数据采集与算法验证的重要价值。
信息来源：
项目主页https://sinnnj.github.io/qcp；
论文 arXiv:2610.37393。
还想了解更多详情？
搜索我们的官网查看更多内幕
https://www.bft-robot.com/index/
点击下方关注BFT机器人
私信客服免费获取
产品信息&产品手册
编辑：春花
BFT机器人平台提供先进产品与机器人自动化技术，助力企业智能化转型升级，为您的企业生产注入发展新动能。BFT将竭诚为您提供机器人技术咨询与方案设计服务，为您提供最具价格优势的产品！
联系电话
联系电话：
18551727852
微信公众号
联系邮箱：
ming@bft-robot.com
往期精彩回顾
