前言

本文是在论文《Robustness of Robotic Manipulation:Foundations and Frontiers》的基础上进行的解读。

我们总说机器人“手笨”。这不是没有道理——你闭着眼睛都能把杯子稳稳放在桌上，哪怕桌面有点滑、光线有点暗、杯子形状和你预期的不太一样。但同样的任务，换了机器人，可能因为一个像素的噪声、一次摩擦系数的微小变化，或者仅仅是水温高了点，就演变成一场“杯子摔碎”的悲剧。

为什么人类和动物能如此从容地应对不确定性，而机器人却如此脆弱？这背后缺的不是某个具体的算法，而是一套对“鲁棒性”的系统性理解。

1 到底是什么是鲁棒？

这个词被用得太泛滥了，以至于几乎失去了精确的含义。有人说自己的抓取算法鲁棒，因为换了三种物体都能抓；有人说控制器鲁棒，因为加了干扰还能跟踪轨迹。各说各话，无法比较。

这篇文章给出一个我比较认同的框架：鲁棒性不是系统本身的属性，而是系统、目标、挑战、机制、评估这四者之间的关系。说一个系统鲁棒，必须说清楚它“面对什么挑战、为了什么目标、靠什么机制、怎么衡量”。没有上下文，鲁棒性就是空话。

在操作任务中，挑战被细分为三类（如图1所示），这个分类很实用：

• 认知不确定性：你不知道的，但可以通过学习或探索去知道的。比如物体质量、摩擦系数、关节刚度。这类不确定性原则上可减少。
• 随机不确定性：你知道了也没法完全消除的，比如传感器热噪声、接触瞬间的随机微滑移。它是物理世界固有的。
• 任务环境差异：不同任务实例之间的系统性差异，比如这次抓的是苹果，下次抓的是橙子；这次在桌上，下次在抽屉里。
  

图1：机器人操作鲁棒性概览。三大核心挑战：认知不确定性、随机不确定性和任务环境差异。两条鲁棒性的原则：不确定性与任务环境差异——涉及减少认知不确定性，或容忍不确定性与差异；失败管理——涉及预防失败、从暂时性失败中恢复，或容忍局部失败。五个模块中提升鲁棒性：感知、规划、控制、学习与硬件。

分为这三类是因为应对它们的策略完全不同：认知不确定性靠“获取信息”，随机不确定性靠“容忍和冗余”，任务环境差异靠“泛化和适应”。

2 两条核心原则：调节与容错

整篇文章的框架是两条原则的交叉，我觉得这是最有启发性的部分。

第一条：不确定性与差异调节。要么主动减少认知不确定性（比如主动感知、交互式探索），要么干脆容忍它——既然消除不了，就设计出让系统对不确定性不那么敏感的机制。后一种思路在操作中其实更常见：柔性材料、柔顺控制、（形/力）闭合抓取，本质上都是“我不需要精确知道，也能干成”。

第二条：失败管理。要么预防失败发生（预测性控制、安全约束、保守策略），要么在失败发生后恢复或容忍局部失败（重新抓取、形态适应、多模态冗余）。这两者不是二选一，而是互补。人类操作也是既有预测又有快速修正。

有意思的是，文章指出扰动不总是坏事。振动送料器靠小振动让零件姿态统一；倒沙时轻敲漏斗可以解除堵塞。在操作中，故意施加一点扰动，有时反而能帮助物体脱离局部卡阻——这和我们对“稳定性”的直觉正好相反。

3 机制：五个层面，各自为战又必须协同

文章用两个表格系统梳理了感知、规划、控制、学习、硬件五个模块的鲁棒机制。我挑几个印象深刻的点讲。

此处只介绍了五个模块中的部分方法，更多的方法请查看原文或者文末的思维导图（一年内有效）。

感知层最有趣的是“主动交互式感知”——不是被动看，而是动手去试探。想知道牛奶盒里还剩多少？晃一晃。想知道箱子里面有什么？掀开盖子。这听起来像常识，但在机器人里很少被系统性地使用，因为大多数系统把感知和行动割裂了。主动感知本质上是用行动获取信息，从而减少认知不确定性。（主动感知也是ICRA2026上的一个单独的workshop）

规划层的“漏斗（funneling）”概念很优雅（特指状态空间中的一个吸引区域）。所谓漏斗，就是设计一种运动策略，使得只要初始状态落在一个较大的区域内，最终状态都会收敛到目标，无论中间扰动如何。经典的振动碗式送料器就是漏斗的物理实现——零件初始姿态再乱，经过振动和挡板，出来时都一致。这种策略不依赖精确感知，依赖的是力学和几何的约束。

控制层的柔顺控制（compliance）是操作中最经典的鲁棒手段。阻抗控制本质上就是在机器人的“刚性”和“柔性”之间做权衡——硬碰硬容易出问题，适当的柔性允许位置偏差换取力安全。而“不变性控制”则用数学方法保证状态不会跑出某个安全集合，哪怕模型有误。

学习层的篇幅最长，因为近五年进展最快。数据增广、域随机化、对抗训练、离线强化学习的保守估计——这些方法本质上都在扩大训练分布或惩罚分布外行为。但文章也指出，纯粹靠数据堆出来的鲁棒性是脆弱的，一旦测试分布和训练分布偏离，再大的模型也会翻车。这引出了论文正文最后的核心争论：我们到底应该靠“数据”还是“模型”？

硬件层往往被算法研究者忽略，但被动柔顺、粘附、形态自适应这些手段，直接从物理层面吸收了不确定性。海豚用海绵（Marine sponges）包着嘴在岩石上觅食，本质上是“被动顺应”的生物版本——海绵是它的柔顺衬垫。机器人也可以用柔性材料、“哆啦A梦”抓手等，让物理本身去处理那些算法处理不好的接触变化。

4 几个值得反复琢磨的观点

鲁棒性和泛化的区别。很多人混用这两个词，但文章说得清楚：泛化是“在新场景下能用”，鲁棒性是“在扰动下仍可靠”。一个只在厨房抓杯子的系统，如果每抓必稳，它是鲁棒的但不泛化；一个能抓一千种物体的系统，但稍微一滑就掉，它是泛化的但不鲁棒。我们想要的当然是两者兼有，但它们的实现路径不同，不能互相替代。

鲁棒性与性能的取舍。星鼻鼹鼠的鼻子极其灵敏，在湿地隧道里捉虫快如闪电，但只要环境一变，这套专业装备就失灵了。相反，柔性手爪什么都能能抓，但精度远不如刚性手爪。没有白来的鲁棒性——你要么为单目标优化极致性能，要么为适应性牺牲一部分峰值性能。

扰动不全是坏事。这个观点挺反直觉的。往沙漏里倒沙子容易堵，稍微振动一下反而不堵了。振动盘送料器靠的就是可控振动来引导零件。操作中也是一样——轻轻抖一下积木块可能就把卡住的接触松开了。有时候鲁棒性不是靠消除扰动，而是靠利用扰动。

5 未来：挑战远未解决

读到论文最后，你会感到一种清醒的悲观。我们离“人类级别的操作鲁棒性”还很远。

基准测试的困境。仿真测试可重复、可扩展，但sim-to-real gap永远存在。实物测试更真实，但成本高、速度慢、难以标准化。更关键的是，现有基准几乎不把“鲁棒性”本身作为评价维度——它们测的是成功率和速度，而不是在扰动下的退化程度。

“知其然”与“知其所以然”之争。文章引用了一个很妙的比喻：数据驱动的学习是“知道怎么做”的技艺（know-how），而模型驱动的分析是“知道为什么”的理论（know-why）。人类小孩先学会骑自行车，然后才懂重心和角动量；但工程师可以先把力学模型写好，再让机器人在模型约束下学习。未来应该让两者融合，而不是对立。

人类水平的目标。人类操作鲁棒性来自几个要素：几十年积累的物理直觉、多模态感知的紧密耦合、极快的适应能力、以及身体本身的结构智能。我们现在的机器人系统可能在某两三点上接近，但全部整合在一起还差得远。文章提到乌鸦会弯钩子取食——这不是单纯的规划或控制，而是工具制造、物理推理和目标的实时整合。这种级别的行为，在机器人上几乎看不到。

写在最后

这篇综述让我最受触动的一点是：鲁棒性不是一个可单独优化的指标，而是一种系统级涌现属性。你不能指望靠一个更好的控制律或一个更大的数据集就解决所有不确定性。真正可靠的操纵，需要感知主动去获取关键信息，规划预留安全余量，控制保持柔顺，学习提供对未知的泛化，硬件用物理结构吸收扰动——五个层面协同，缺一不可。

我们习惯了把机器人拆分成模块各自优化，但鲁棒性偏偏是那个要求你“拧成一股绳”的性质。这很困难，但也正是它有趣的地方。

最后，文章里那个“灯与开关”的类比值得记住：你在一个陌生房间里摸黑找开关——房间不同（任务环境差异）、你对开关位置的初始猜测不准（认知不确定性）、就算手摸到了也可能滑脱（随机不确定性）。三个挑战同时存在，而人类用一整套感知-行动-预测-修正的闭环从容应对。什么时候机器人在这种场景下不再像无头苍蝇，我们才算真正迈出了一大步。

论文思维导图下载地址：https://pan.baidu.com/s/14BbEgdiy6dYqM-pB43jvkg?pwd=f4kn（一年内有效）。