VOFA：让双足机器人像人一样推重物，力自适应与视觉闭环的完美融合

TL;DR

在仓库搬运等场景中，让高度不稳的人形机器人推行重物是一项极具挑战的任务。德克萨斯大学奥斯汀分校的研究团队提出 VOFA，通过两层分层架构，使人形机器人能够依靠自带的深度视觉，将未知质量（最高达自身体重 50% 以上）的物体精准推向任意目标位置，并具备极强的抗扰动和在线规划能力。

痛点深挖：为什么“推重物”对人形机器人这么难？

现有的机器人操控研究大多集中在抓取（Prehensile Manipulation），而对于推行（Pushing）这类非抓取任务，存在几个核心挑战：

1. 动力学不确定性：物体的质量中心（CoM）、地面摩擦力通常不可知。
2. 感知局限：单纯依靠车载摄像头（Egocentric Perception）会有视野丢失和深度噪声问题。
3. 策略短视：如果简单的给机器人一个“靠近物体”的奖励，它会迫不及待地贴上去，结果反而挡住了推向目标的路径。

核心方法论：分层治理，力觉与视觉双修

VOFA 系统由两个核心层级组成，通过解耦复杂度来提升鲁棒性。

1. 底层：力自适应全身控制 (Force-Adaptive WBC)

底层控制器基于 FALCON 框架。它的直觉是：不需要提前知道物体多重，而是通过在训练中加入大量的端执行器（End-effector）扰动，让机器人学会一种“以不变应万变”的姿态控制。当推行重物产生巨大的反作用力时，WBC 会通过全身协同来维持平衡，避免“踢”物体或滑倒。

图 2：VOFA 的分层设计：高层视觉策略输出运动命令，底层力自适应控制器执行关节动作。

2. 高层：基于蒸馏的视觉策略

研究者采用了 Teacher-Student 训练范式：

• 教师策略：拥有“上帝视角”，能接触到物体质量、精确速度等特权信息。
• 学生策略：仅使用车载摄像头深度图和自身本体感知。通过 DAgger 算法，学生不断模仿教师在高难度配置下的决策。
• 对准奖励 (Alignment Reward)：这是 VOFA 成功的关键秘诀。它引入了一个奖励项，迫使机器人在接触物体前，先绕行到物体相对于目标点的“正后方”，实现了从“盲目推”到“有目的推”的转变。

实验战绩：突破载荷极限

VOFA 在 Booster T1 人形机器人上进行了部署。最令人赞叹的实验是，机器人在没有训练过超大质量的情况下，成功推行了 17kg 的纸箱。考虑到机器人自重仅约 30kg 左右，这相当于一个成年人推着一辆轿车前进。

表 1 & 2：实验数据显示，带有力自适应 (w/ FA) 的 VOFA 在各项任务（侧向、后方目标）中的成功率远超基准模型。

此外，VOFA 展示了极强的闭环修正能力：

• 抗干扰：在推行过程中，实验人员推开纸箱，机器人能立刻停下寻找物体，重新对准并继续任务。
• 质心偏置：即使物体一侧被加重，导致推行轨迹偏移，机器人也能通过视觉反馈自行调整接触点。

深度洞察与总结

VOFA 的成功揭示了人形机器人操控的一个重要趋势：不要试图在神经网络里解决所有物理建模问题。 通过底层控制器（WBC）处理物理层面的力学鲁棒性，让高层神经网络专注于语义层面的“位置对准”和“视觉导航”，这种解耦极大地降低了 Sim-to-Real 的迁移难度。

局限性：目前 VOFA 还需要外部提供目标位置的相对坐标，未来如果能结合视觉语言模型（VLM）直接从“把箱子推到饮水机旁”这种自然语言指令中提取目标，将更具实用价值。

Takeaway: VOFA 是一次典型的“分治思想”在机器人学中的胜利，它为人形机器人在非结构化负载任务中提供了可靠的工程范式。