ICRA 2026｜狭窄空间中机器人主动感知与操作
Quick Take
The ICRA 2026 paper introduces COMPASS, a framework for robots to safely perceive and operate in cluttered, narrow spaces. By employing a three-step process, including Near-Field Awareness Scan and Manipulation-Utility Exploration RRT, COMPASS significantly enhances operational success rates in challenging environments, outperforming traditional methods in both simulations and real-world tests.
Key Points
- COMPASS framework includes Near-Field Awareness Scan and Manipulation-Utility Exploration RRT.
- Benchmark tests reveal significant performance improvements over traditional exploration strategies.
- Robots can actively explore and find targets in unknown, obstructed environments.
- The system generates feasible grasping poses considering both obstacles and kinematic constraints.
- Future work will focus on active perception and embodied intelligent system design.
Article Excerpt
From source RSS / original summary原文作者：用户“胖头鱼在此”原文链接：https://www. xiaohongshu. com我们的论文被 ICRA 2026 录取了！ 论文编号是 Paper TuI1I. 294。 这篇工作想回答一个很实际的问题：如果机器人要在狭窄、杂乱、看不清的空间里抓东西，它应该怎么“边看边动”，而不是盲目伸手？ 在很多真实场景里，机器人并不是一开始就拥有完整地图。 比如目标物体可能被障碍物挡住，机械臂周围也可能有箱子、墙壁、柜子等限制。 机器人既看不清目标，又不能随便乱动，因为一不小心就会撞到环境，或者摆出一个根本抓不到东西的姿态。 所以，狭窄空间操作的难点不只是“怎么抓”，而是：机器人要先安全地探索环境，找到目标，再生成真正可执行的抓取动作。 我们提出了 COMPASS，一个面向狭窄空间操作的主动感知与操作规划框架。 它主要包含三步： 第一步，机器人先做 Near-Field Awareness Scan，用腕部相机小心地扫描自己附近的空间，先搞清楚“身边哪里不能碰”。 第二步，机器人使用 Manipulation-Utility Exploration RRT主动选择下一个观察视角。
它不是只看哪里信息最多，还会同时考虑机械臂是否容易运动、姿态是否接近奇异、路径是否平滑、后续是否有利于抓取。 第三步，当目标被发现后，系统会生成满足障碍物约束和运动学约束的抓取姿态，而不是只选择一个几何上看起来不错、但机器人实际伸不过去的抓取。 我们还构建了一个狭窄空间操作 benchmark，从简单遮挡、严重遮挡，到强运动学约束，再到二者耦合的复杂场景，系统评估机器人在“看不清”和“伸不开手”同时存在时的表现。 实验结果显示，相比只考虑信息增益或传统探索策略的方法，COMPASS 在仿真中显著提升了整体操作成功率；在真实机器人实验中，也能在未知、遮挡、狭窄的环境里主动探索、找到目标，并完成约束下的抓取。 未来我们也会继续探索主动感知、狭窄空间操作、机器人规划、具身智能系统设计等方向。 雷峰网
Reader Mode unavailable (could not extract clean content).
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from 雷峰网机器人
See more →
ICRA 2026 | 港中文高源、林天麟团队提出自发共适应策略：基于元学习赋能异构多机器人系统协同进化
The Hong Kong Polytechnic University team presented a meta-learning framework for heterogeneous multi-robot systems at ICRA 2026, enhancing adaptability in dynamic environments. Their approach improved task completion efficiency by 21% and reduced human burden by 39%, demonstrating effective human-robot interaction.
