无人机装上机械臂：空中具身智能开启高空协同作业

具身智能的研究边界正在从地面移动操作向空中协同作业延伸。

当前绝大多数具身智能研究仍停留在地面范式：身体是轮式或双足底盘，环境是结构化空间，任务集中在感知、导航与搬运。但在没有地面固定支撑的高空，机器人不仅要维持悬停稳定，还要抵抗接触力完成推物、拧螺栓等精准物理交互。当任务扩展为多机协作时，更需要解决动态载荷耦合与实时任务规划难题。

在近期举办的机器人学术会议上，荷兰代尔夫特理工大学（TU Delft）自主多机器人实验室主任 Javier Alonso-Mora 教授系统介绍了团队在地面移动操作、任务与运动规划（TAMP）以及空中多机器人系统上的技术跨越。

从地面反应式控制到任务运动联合规划

要让机器人与真实物理世界互动，核心在于全身控制（Whole-Body Control）。研究团队最初采用 Geometric Fabrics 方法，将避障、末端到达等行为转化为底层几何动力学约束，实现移动底盘与机械臂的高频协同响应。为避免局部最优和死锁，团队引入二次规划（QP）进行前向预测，在动态环境中兼顾了长期最优路径与人机共存安全性。

面对更复杂的搬运任务，离散步骤决策与连续轨迹控制必须同步求解。团队在 Isaac Lab 仿真平台上结合交叉熵优化，实现了任务与运动的一体化规划。在越障抓取实验中，机器人自主探索出了直接将物体“推移越过斜坡”的更优路径，而非传统预设的绕行动作。针对物理仿真计算开销过大的问题，团队进一步引入模仿学习策略，大幅提升了复杂长程规划的推演效率。

机械臂上天：推箱子、写字与高空紧固

空中场景相比地面容错空间更小，风扰、旋翼气流与外力接触会显著破坏飞行平衡。Alonso-Mora 团队研发了差分肩关节空中操作系统（DSAM），采用分层控制架构：外层强化学习策略输出操作意图，内层高频自适应控制器负责抵消反作用力并维持飞行姿态。该系统已成功实现在空中推移重物、白板书写以及精准拧紧螺栓等高难度接触式作业。

分布式协作：多机绳索协同吊运

在大型构件转运场景中，单机载荷有限，必须依靠多机协同。以往依靠中央控制器运行非线性模型预测控制（NMPC）的方法虽然精度高，但对通信延迟与单点失效极为敏感。

团队改用多智能体强化学习，采用集中式训练、分布式执行（CTDE）范式：

1. 训练阶段：利用包含完整状态的 Critic 网络指导多机动作策略收敛；
2. 执行阶段：各机仅依赖机载传感器与共享位姿信息，独立运行 Actor 策略网络；
3. 底层支撑：配合增量非线性动态逆（INDI）控制器保持基础机身稳定。

测试显示，三架无人机协同吊运执行 8 字形轨迹跟踪时，分布式策略的精度已逼近集中式 NMPC。在单机突发故障或受到外部猛烈冲击的极端测试下，整个多机吊运编队依然展现出出色的鲁棒性。

HARPA 计划：开启空中装配施工

这一系列技术正汇聚到代尔夫特理工大学启动的四年期重点项目 HARPA（异构空中机器人协同装配建筑模块）中。该项目旨在组建包含运输无人机与高精度操作无人机的异构机队，前者负责预制建材的高空转运，后者在空中自主完成结构铆接与紧固作业。

随着算法对物理约束与接触动力学的建模愈发成熟，具身智能正在冲破地表限制，向立体空间中的复杂工业制造场景快速迈进。