华科等提出 AdaRoboVLG：解耦任务理解与抓取合成，跨机械手通用抓取框架
AdaRoboVLG 把任务理解与抓取合成解耦，用统一接口连接可组合的基础模型先验和跨机械手共享的抓取策略，新机械手或新任务可插拔接入，不用从头采集数据重训。
同样抓一只杯子，倒水时该握杯柄，递给别人时该把杯柄留给对方——抓哪里取决于任务。华中科技大学、北京大学、擎朗智能等提出 AdaRoboVLG，把「任务需要怎样抓」和「机械手如何抓稳」拆成两层：上层用视觉、分割、语言等基础模型的先验，把自然语言和场景转成抓取约束（抓哪、怎么接近、张开多宽）；下层用共享的抓取策略为具体机械手生成并打分候选姿态。换机械手时只需配置运动学映射和兼容抓取类型，不必重训整套模型。
正文摘录
.jpg)  [](https://mp.weixin.qq.com/s/gS5Bwtf28wPMUYaR2V6dag) AdaRoboVLG：适用于不同机械手的任务自适应视觉语言抓取框架 同样是一只杯子，机器人到底应该抓哪里？ 如果任务是把水倒进水槽，握住杯柄通常更合适；如果要把杯子递给别人，机器人最好把杯柄留给对方；如果杯子还在传送带上移动，抓取位置又必须随时间不断更新。周围堆放的杂物、目标遮挡和不同机械手的结构差异，又让一个看似简单的「伸手拿杯子」，变成空间、语义与动态控制交织的问题。 视觉 — 语言抓取（Vision-Language-Grasping，VLG）的目标，正是让机器人根据自然语言和具体情境，做出符合任务意图的抓取。这需要同时处理空间、认知、时序与本体四类挑战：找准目标并避开碰撞，理解物体用途，追踪持续变化的状态，还要适应不同机械手。