AdaRoboVLG：适用于不同机械手的任务自适应视觉语言抓取框架

华中科技大学、北京大学、擎朗智能等机构的研究者提出 AdaRoboVLG 任务自适应视觉语言抓取框架，将任务需求与机械手物理抓取能力解耦，通过统一抓取接口连接任务理解与物理抓取合成，上层把任务情境转化为抓取约束，下层为不同机械手生成稳定抓取姿态。该框架组合空间、认知、时序三类基础模型先验生成可组合的抓取约束，搭配可跨机械手复用的基础抓取策略，仅需配置对应机械手的运动学映射和兼容抓取类型即可接入新的机械手。经多组仿真与真机实验验证，该框架在杂乱场景抓取、语言引导功能性抓取、动态目标跟踪抓取等任务中均表现优异，无需重新训练基础抓取策略即可通过接入新模块扩展双臂分拣、透明物体处理等新能力，为可扩展机器人抓取提供了可行路径，当前仍存在上层推理误差、感知噪声等局限，后续可通过触觉闭环、预操作等方向进一步优化。