IROS 2026｜CoLI连续体机器人平台：NOKOV度量动作捕捉验证主从遥操作性能

在 IROS 2026 上，上海科技大学信息科学与技术学院肖晨曦老师团队发表了题为《CoLI: A Reproducible Platform for Continuum Robot Learning via Monolithic 3D Printing and Isomorphic Teleoperation》的论文。该论文提出可复现、学习就绪的开源连续体机器人平台 CoLI，研究中，NOKOV 度量动作捕捉系统测量主从两台连续体机器人的末端位置与运动轨迹，用于同构遥操作跟踪精度与动态响应的位置测量与验证；平台采集的遥操作示教数据则用于连续体机器人模仿学习实验。

研究速览

研究背景：连续体机器人为什么需要可复现的学习平台

连续体机器人具有可连续弯曲的柔性结构，能在非结构化、狭窄环境中完成灵巧而安全的操作任务。但它尚未广泛进入数据驱动的机器人学习研究：硬件可获得性有限，现有设计多依赖定制部件，制造与组装复杂、成本高、难以复现；连续形变与高维驱动又带来驱动冗余和自由度耦合，基于运动学模型的控制难以准确建立与标定，任务空间遥操作还面临操作者与机器人工作空间不匹配的问题。因此，需要一套易制造、易控制、学习就绪的连续体机器人平台。

方法概述：一体化3D打印、同构遥操作与动作捕捉位置测量验证

针对制造难、控制难、示教数据难采集的问题，研究提出的CoLI 将一体化制造、同构遥操作和标准化学习管线整合为一个开源平台，核心贡献包括：

1) 单体多材料制造范式，实现连续体机器人单次运行、可复现制造。

2) 同构遥操作框架，促进执行器级遥操作和用于模仿学习的演示收集。

3) 与 LeRobot 框架集成的学习就绪平台，连接连续体机器人硬件和具身 AI 流程。

4) 跨结构功能、遥操作和自主操作的系统级验证，建立可复现基线。

图1　本文提出的一体化 3D 打印连续体机器人平台总览，包含同构遥操作与基于模仿学习的自主控制

图2　本文提出的连续体机器人结构：(A) 结构本体与绳索路径，(B) 相邻间隔盘之间的关节结构，(C) 驱动机构，(D) 末端执行器，(E) 标定工具

机器人本体由多材料 3D 打印一体成型：柔性骨架与刚性间隔盘单次打印完成，装配只剩绳索穿线和执行器安装。同构遥操作采用主从结构，两端具有相同的连续体结构和绳索传动布局，操作者直接用手弯曲主端，系统把主端电机编码器位置直接映射为从端命令，无须求解运动学模型，同时天然记录适合模仿学习的执行器级示教数据。平台接入 LeRobot 框架，为每个任务训练 ACT 策略实现自主操作。遥操作要求从端准确跟踪主端位置，研究因此使用 NOKOV 度量动作捕捉系统对跟踪精度与动态响应进行位置测量与验证。

实验验证

连续体机器人本体性能表征

论文通过力–形变测试、工作空间计算、负载吊挂与耐久性实验评估本体：柔性骨架的恢复力与形变近似线性（斜率约 3.2 N/mm）；基于分段常曲率（PCC）模型计算得到约 430 mm 直径的可达工作空间；机器人在遥操作下可完全控制 1 kg 末端负载，负载达 1.2 kg 时出现明显控制退化，据此将动态可靠负载定义为 1 kg；同一对主从机器人累计运行超过 15 小时，未观察到结构损伤、绳索松弛或控制性能退化；机器人还可连续运行超过 90 分钟而不发生故障。

同构遥操作跟踪精度与动态响应：NOKOV 位置测量与验证

本研究使用 NOKOV 度量光学动作捕捉系统（5 台 Mars 1.3H 相机环绕工作空间布置），输出各末端相对其基座的空间位置：主从两台机器人的底座上各布置 3 个反光标记点以确定基座原点，机器人顶端布置 1 个标记点以确定末端位置。

图3　(A) 1 kg 负载下的评估。(B) 连续体机器人主端与从端的遥操作轨迹。

在跟踪精度实验中，操作者手动弯曲主端驱使从端运动，两台机器人到达目标构型并静止后，同步记录各末端相对基座的位置并计算误差：127 组构型下平均位置跟踪误差为 8.2 mm，约为 243 mm 臂长的 3.3%。动态响应实验在同一动捕配置下记录主从端轨迹：12 条运动形态各异（末端峰值速度最高 5 cm/s）的轨迹上，从端平均收敛延迟为 158 ms，满足高保真示教采集的要求。

图4　(A) 用于精度评估与模仿学习驱动操作任务的实验设置。(B) 学习驱动操作任务的数据流。

为评估灵巧性与遥操作可用性，操作者通过主从接口成功完成了拾取放置与狭窄空间取物两项操作任务，5 次试验的平均完成时间分别为 25.0 s 和 36.8 s。

连续体机器人模仿学习驱动的自主操作

利用同构遥操作采集的示教数据训练 ACT 策略后，论文在实体机器人上评估了物体放置、开关操作、平面推动三项自主任务，成功率分别为 12/12、10/12、10/12，均不低于 83%，验证了连续体机器人模仿学习的可行性。ACT 策略使用遥操作采集的执行器级示教数据训练。

 图5　机器人遥操作灵巧性演示：(A) 挂取并转移重物，(B) 取出圆管内的物体。自主能力演示：(C) 放置重物，(D) 接触式开关按压，(E) 将物体非抓取推向目标位置。

常见问题 FAQ

Q1：如何测量连续体机器人末端的三维位置和运动轨迹？

A1：可以使用光学动作捕捉系统进行测量。在 CoLI 连续体机器人平台研究中，NOKOV 度量动作捕捉系统（5台Mars 1.3H 相机）通过底座 3个、末端1个反光标记点，测量主从两台机器人末端相对基座的空间位置，并记录运动轨迹，用于遥操作位置跟踪误差和动态响应的实验评估。

Q2：连续体机器人同构遥操作的位置跟踪误差是多少？

A2：该论文报告，在 127 组构型的评估中，主从机器人平均位置跟踪误差为 8.2 mm，约为 243 mm 臂长的 3.3%。实验中，操作者手动弯曲主端驱使从端运动，两台机器人到达目标构型并静止后，由 NOKOV 度量动作捕捉系统同步记录各末端相对基座的位置，并据此计算误差。

Q3：如何验证连续体机器人遥操作的动态响应？

A3：论文通过记录主从端运动轨迹来评估从端的收敛延迟：在同一 NOKOV 度量动作捕捉配置下，12 条轨迹上的从端平均收敛延迟为 158 ms，满足高保真示教采集的要求。

Q4：CoLI 连续体机器人平台如何实现自主操作？

A4：CoLI 利用同构遥操作采集的执行器级示教数据，接入 LeRobot 框架，训练 ACT（Action Chunking with Transformers）策略来实现自主操作。论文在物体放置、开关操作和平面推动三项任务中，分别报告了 12/12、10/12 和 10/12 的成功次数。NOKOV 度量动作捕捉系统用于验证遥操作的位置跟踪精度与动态响应。

论文信息

通讯作者简介

肖晨曦，上海科技大学信息科学与技术学院助理教授、研究员、博士生导师，机器人交互与操作实验室（RIM Lab）负责人。主要研究方向：机器人、具身智能、遥操作、触觉交互、强化学习。

相关案例阅读：哈工大RAL研究：可伸缩连续体机器人实现稳定爬行，狭窄空间巡检新方案