機器人會想象了！國產技術讓機器人預判路徑，成功率碾壓現有方案

近日，復旦大學、上海創智學院付彥偉教授團隊為機器人打造了一種薛定諤的導航器，名字取自量子力學里那只既死又活的貓。

圖 | 付彥偉（來源：資料圖）

研究中，他們把機器人在辦公室、教室、休息室里的導航過程拍成了視頻。

視頻里，機器人猶豫幾秒之后果斷繞過一張桌子，后面露出一只玩具貓，它沒看見貓，但猜到了貓在那。這個動作人類做起來很自然，但是機器做起來卻需要一整套想象的能力。

他們讓機器人在行動前，先想象出幾種可能的未來場景，每種場景對應一條不同的路線。想象里藏著目標，就走那條路；想象里藏著危險，就避開它。

這套系統在真實的四足機器人 Go2 上進行了測試，在找靜態物體、追動態物體、躲避突發障礙三個場景里，成功率都遠超現有最強方案。

付彥偉告訴 DeepTech：“有了這套框架，人形機器人或者四足狗就可以在一個全新的環境里直接導航，比如讓它去抓住一只移動的貓，或者去拿一個會動的玩偶。這些以前很難做到的事，以后可能就變得很容易了。”

（來源：https://arxiv.org/pdf/2512.21201）

研究中，付彥偉等人首次使用想象的方式來導航，這在以前幾乎沒人做過。以前的方法處理不了動態物體或者嚴重遮擋的場景，而他們給出了一個全新的框架。

他們還首次在真實四足機器人上驗證了這套系統，在找動態物體和應對突發障礙這兩個場景里，效果明顯比現有方法好。

（來源：https://arxiv.org/pdf/2512.21201）

看不見的地方，靠想象填滿

這一方案想解決的問題是：假如你走進一個房間，目標是一只貓。你面前有張桌子，貓可能在后面，也可能不在。你該往左繞還是往右繞？如果桌后藏著危險的障礙物怎么辦？如果貓正在移動呢？

普通機器人會怎么做？它只能看到眼前的東西，被桌子擋住的部分，它完全看不見。它要么隨機選一邊，要么花很長時間先把桌子周圍探一遍，不僅效率低，還容易出錯。

普通導航系統的弱點在于，它們只處理眼前能看見的信息。但真實世界里，大量信息藏在障礙物后面。機器人只能看見桌子的正面，看不見桌后是否有貓。

薛定諤的導航器用一個軌跡條件 3D 世界模型來解決這個問題。每次決策前，機器人先用一個程序生成三條候選路線：從左繞、從右繞、從上繞。

然后它把當前看到的畫面和這三條路線一起喂給一個叫 FlashWorld 的模型。這個模型能在幾秒內生成每條路線對應的未來 3D 場景，所使用的是 3D 高斯潑濺技術，也就是用大量小圓點堆出立體畫面。

所生成的未來場景要跟真實世界對齊。具體來說，機器人用深度相機測出當前畫面里每個點的真實距離，再和生成場景里的距離對比，算出縮放比例，把想象出的場景縮放到真實尺寸。

然后，它把想象出的場景里的物體貼上語義標簽，比如哪些點是貓、哪些點是桌子。而這些想象出來的信息會被融合進一個未來感知價值地圖里。

（來源：https://arxiv.org/pdf/2512.21201）

在 Go2 四足機器上驗證：找得最準最重要

研究中，付彥偉等人在真實的 Go2 四足機器人上做了三組實驗。

第一組是找靜態物體，比如辦公室里的椅子、教室里的綠植、休息室里的垃圾桶。每條路線重復五次，結果顯示，薛定諤的導航器成功 23 次，對比方法成功 22 次，兩者差不多。

第二組是找動態物體。目標物在場景里移動，機器人必須實時追蹤。結果顯示，薛定諤的導航器成功 16 次，對比方法只有 10 次。差距開始顯現。

第三組是突發障礙。機器人正沿著一條路走，突然一個物體出現在路中間擋住去路。結果顯示，薛定諤的導航器成功 19 次，對比方法只有 12 次。這個結果很關鍵，因為它證明系統不僅能想象靜態場景，還能實時應對環境變化。

在模擬環境里的測試更全面。HM3D 數據集包含 36 個室內場景，1,000 個導航任務，六類目標物體。薛定諤的導航器在到目標距離指標上排第一，意味著它最終停下的位置離目標最近。而這恰恰是這套方法的設計目標：跑得最快是其次，找得最準最重要。

薛定諤的導航器最巧妙的地方在于，它把想象和決策連在了一起。而對比方法用的是同樣的底層硬件和語言模型，區別只在于決策邏輯。

對比方法只看到了當前畫面，想象不到桌后面的事。薛定諤的導航器多了一步：在行動前先想象。這一步聽起來簡單，但在機器人身上實現很復雜。

因為要讓生成的 3D 場景和真實世界對齊，就要給每個小圓點貼上正確的語義標簽，要保證計算速度夠快不耽誤實時決策。

（來源：https://arxiv.org/pdf/2512.21201）

“讓他們去挖一個新坑，他們一開始是猶豫的”

這套方法的應用范圍很廣。比如，家用機器人找遙控器、掃地機器人繞開突然出現的拖鞋、搜救機器人在廢墟里尋找幸存者，都需要在看不見的地方做推理。

付彥偉告訴 DeepTech：“研究期間我花了兩三周時間，努力讓學生的研究思路轉變過來。我們中國的學生都很踏實，做事認真，但比較小心謹慎。你突然提出一個全新的東西，讓他們去挖一個新坑，他們一開始是猶豫的。”

他繼續說道：“我花了很大力氣去說服他們，讓他們理解：不能只是跟著別人的經典框架走，要自己去創造一個新框架。這種跨越，其實對博士生來說挺難的。但現在論文做完了，學生自己也覺得這種經歷很寶貴，他們現在的研究思路也比以前更開闊了。”

（來源：https://arxiv.org/pdf/2512.21201）

目前系統只生成了三條固定路線（左、右、上），未來可以增加更多樣化的路徑。談及后續計劃他表示：“后續計劃有不少。其中一個方向是多機器人共享同一個 3D 世界。”

如果有好幾臺異構的機器人，它們可以共享同一個想象空間，通過這個空間去規劃每個機器人的路線。“那樣的話，機器人在導航這件事上可能比人還厲害，因為我們可以很容易地構造很多機器人，讓它們協同工作。”他說。

關于本次導航器的落地，他們可能會找企業合作，也可能做成開源工具包，讓各種機器人平臺都能調用。目前已經在和一些公司接觸。

參考資料：

相關論文：https://arxiv.org/pdf/2512.21201

運營/排版：何晨龍