瑞士聯邦理工學院洛桑分校（EPFL）及 Idiap 研究機構的研究人員，最新發表一種新方法，讓機械人能以更高精度處理不規則及彎曲物件。該系統會為物件生成點雲圖，並辨識關鍵表面參考點，從而建立平滑且任務導向的表示形式，無論物件形狀或大小均適用。研究團隊表示，此模型可讓機械人將技能轉移至不同物品，例如由香蕉轉至番薯。測試中，機械人成功執行接觸密集任務，如剝皮、切割及表面探測。
此方法亦具韌性，即使面對部分或雜訊感測器數據，以及雜亂環境，仍能運作，為適應真實世界的機械人操作邁出一步。
形狀感知操作
人類能無縫轉移操作技能，例如切割、剝皮或擦拭，橫跨形狀迥異的物件，這得益於對表面的形狀感知及物件中心理解。但機械人難以做到此點，主要問題在於表面幾何形狀的多變性，令固定或姿態基表示不可靠。現有方法多忽略幾何結構，或高度依賴大量訓練數據，限制泛化能力。因此，核心挑戰在於開發可重用且感知幾何的表示，能準確捕捉機械人與物件表面互動，同時對形狀差異不變。此類表示可讓機械人無需大量再訓練，即轉移技能至多樣物件。
新幾何方法針對日常物件的巨大形狀變異，提供純學習基方法的替代方案。透過離散微分幾何，實現表面間任務轉移。例如功能映射技術可關聯相似形狀，但限於潔淨網格上的開環運動。其他如符號距離場、指數映射及對數映射，在控制環境有效，但常在雜訊或不完整點雲數據失效，且難與廣泛控制框架相容。 為克服限制，研究人員提出基於表面幾何及關鍵點的連續局部參考框架場。此方向場作為互動平滑骨架，讓任務表達為簡單形狀不變動作，如滑動或探測。
此模組框架可整合遙控、規劃及強化學習系統。 該方法讓機械人透過即時視覺及深度數據生成方向場，重用簡單形狀獨立動作處理陌生物件。研究人員指，利用擴散（熱）方程，將幾何資訊擴散至表面，直接處理點雲而無需潔淨 3D 模型。為管理自由空間與接觸轉換，結合蒙地卡羅技術，實現快速無網格計算，產生平滑局部參考框架，引導滑動、切割或探測等動作。 實驗顯示，此方法可靠轉移操作任務至不同形狀物件。
配備視覺、深度感測及力回饋的機械人，使用相同動作表示，成功剝皮、切割及檢查新物件。在 50 個隨機變形物件測試中，動作軌跡變異低於傳統方法，證明更強泛化。框架有效整合多控制策略，包括遙控、軌跡優化及強化學習，提升規劃效率、加速收斂，並支援零次學習行為轉移。系統在雜訊及不完整感測器數據下仍穩健，確認其實用性於真實機械人應用。
