SOMA：四足机器人不用手臂推动堆叠物体，仿真成功率 90%
特拉华大学分层 RL 系统用机身高度控制保持堆叠稳定
一个用分层强化学习训练的四足机器人，现在能只用身体 —— 不用手臂、不抓取、不用腿尖操作 —— 定位、接近并重新摆放堆叠的物体，同时以 90.1% 的成功率保持堆叠的结构完整，据特拉华大学挂上 arXiv 的一篇新论文称。
该系统名为 SOMA（Stack-of-Objects Manipulation using a Quadruped Robot，四足机器人堆叠物体操作），针对的是机器人物流的一个核心问题：如何在腿式平台上移动不稳定的多层负载而不需要专用手臂 —— 手臂会增加重量、机械复杂度，以及一个降低机器人作业范围的潜在单点故障。在仿真中，SOMA 以一小部分硬件成本追平了带手臂移动平台的堆叠操作表现 —— 这一比较直接挑战了仓储机器人设计中的一条默认假设。
在三维空间推，而不是在桌面上推
此前关于非抓取式机器人操作 —— 不抓握就移动物体 —— 的多数工作局限于平面推动：机器人和负载保持在同一高度，机器人横向推挤物品滑过一个表面。这一约束反映了硬件现实：没有高度可变接触面的机器人无法改变它与堆叠交互的几何形状，因而无法影响顶部物体是否相对底部倾倒。
SOMA 用一个关键机制突破了这一约束：在操作任务期间显式控制四足机器人的机身高度。通过在推动时升高或降低身体，机器人改变对堆叠的接触角度，从而能独立于下层物体操控上层物体，并抑制导致堆叠在动作中途失败的相对滑动或倾倒。
这一能力在真实仓储或物流环境中很重要，那里很少平整划一。堆叠以不同高度、在不平整的表面上、以各种朝向到达。局限于横向接触的系统面对这种多样性用处有限；能在垂直方向调整接触几何的系统，在全部条件范围内的能力要强得多。
分层 RL 框架如何构造
SOMA 使用一个两层强化学习架构，层级的不同层次处理任务的不同时间尺度。
高层策略负责目标跟踪。它接收关于目标物体位置和朝向的观测，输出引导机器人走向操作目标的指令。这个策略不产生原始电机信号，而是生成通过 Beta 分布输出强制约束的有界跟踪指令。Beta 分布天然把输出限制在一个确定区间内，避免了在刚性施加动作边界时可能破坏 RL 训练梯度稳定性的硬裁剪操作。
时间推理 —— 跨许多先前时间步整合信息的能力 —— 由嵌入高层策略的 S5 编码器处理。S5，即简化结构化状态空间序列模型，是一个发表于 ICLR 2023的序列模型，它扩展了早期的结构化状态空间架构，用单一的多输入多输出表述替代许多独立的单输入/单输出系统，并通过高效的并行扫描处理。在长程机器人操作中，这很重要，因为策略必须不是从单帧、而是从许多交互步骤的累积动态来判断一次接近是否奏效 —— 堆叠是否在漂移、接触是否保持、机器人的定位是否在累积误差。S5 提供了这种紧凑的长程时间记忆，而没有标准循环网络在长序列上的梯度消失问题。
低层策略处理运动，把高层指令流转化为逐时刻的腿部站姿调整。用于硬件验证的宇树 Go1 平台 —— 一台 12 公斤、12 自由度、最高速度 3.7 米每秒的机器人 —— 必须在身体主动重新定位以维持与移动堆叠的推动接触时保持稳定的立足。双策略设计让这个腿部控制问题与操作目标跟踪问题解耦。
SOMA 与带手臂方案的比较
在仿真中，SOMA 在单物体重摆任务上取得 90.3% 的成功率（位置误差低于 5 厘米且朝向误差低于 1 度），在操作期间上层物体可相对下层移动的动态双物体堆叠上取得 90.1% 的成功率。
这些数字接近现有最好的带手臂对比结果，尽管评测标准不同。Dadiotis 等人在 ICRA 2025 发表的工作报告一台移动操作臂 —— 携带专用机械臂的腿式机器人 —— 在一类相关的堆叠操作任务上仿真成功率 91.35%，所用位置容差为 10 厘米、朝向容差为 10 度。SOMA 的阈值更严格：位置 5 厘米、朝向 1 度。因此报告成功率上大约 1.2 个百分点的差异反映的是不等价的标准，跨系统直接比较需要谨慎。
足操作（pedipulation），即用腿尖接触做精细操作的方法，提供了另一条无臂路径，由苏黎世联邦理工等机构开发。但足操作需要在小物体附近精确落脚，并在操作时限制机器人的运动姿态 —— 它是与基于身体的推动不同的能力，也不太适合移动超出腿尖接触力极限的重型或大型负载。更早的非抓取式系统如 HeRD 只在 2D 仿真环境中运行，没有 SOMA 架构所提供的高度可变接触。
零样本仿真到真实迁移 —— 完全在仿真中训练的策略不经微调直接部署到硬件 —— 在实体宇树 Go1 上跨一系列负载质量和几何形状得到验证，确认训练出的策略至少在测试条件下经受住了现实差距。
无臂操作的经济论证
在物流中采用无臂方案的理由很直接：给四足机器人配一条商用机械臂会增加成本、重量和一种同时降低运动范围和作业在线时间的故障模式。对于局限于重新摆放的任务 —— 分拣、暂存、从地面位置取回 —— 手臂提供的伸展和精细运动能力是任务并不需要的。
SOMA 基于身体的推动还在带手臂机器人无法作业的空间里打开了能力：狭窄的过道、低顶的存储环境，以及手臂伸展范围与结构障碍冲突的布局。以躯干为主要接触面的机器人物理占位更小、更可预测，这在那些设计于机器人操作尚未纳入考虑之前的密集仓储布局中很重要。
延伸阅读：机器人 AI 自己修正硬件磨损，无需重训
仿真结果、堆叠规模上限与下一步
论文的定量成功率来自仿真。在实体宇树 Go1 上的零样本硬件验证展示了策略迁移，但没有专门针对多物体堆叠提供等价的定量成功统计。真实世界的接触动力学 —— 表面纹理差异、振动、纸箱或塑料容器的材料柔顺性 —— 在仿真中常被低估，它们对基于身体推动期间堆叠稳定性的影响尚未得到刻画。
当前框架也局限于双物体堆叠和几何规则的负载。扩展到三层或更多层引入了一个性质上更难的问题：保持中间堆叠元素的结构完整需要同时协调与多个表面的接触，这是当前分层架构没有处理的挑战。
这一局限定义了最清晰的下一个研究问题：机身高度控制加更深的策略架构能否处理更高的堆叠，还是三层以上的操作复杂度造就了一道天然边界，在那里即便是一个轻量的稳定末端执行器也变得合理 —— 不是为了抓取，而是在身体在下方推动时抑制上层运动。这个问题的答案将决定全身推动能否扩展到仓储堆叠配置的全部范围，还是仍是对带手臂操作的一种有能力但有边界的补充。