清华团队打造BiManiBench：为机械人双臂合作才能评价立新标尺

当人类厨师熟练地用双手处理食材时，看似简单的动作背后隐藏着复杂的神经协调机制。这种与生俱来的双臂协作能力，如今成为人工智能领域最具挑战性的课题之一。清华大学联合香港多所高校及北京人形机器人创新中心，在机器人双臂操作能力评估领域取得突破性进展，其研发的BiManiBench测试系统为评估机器人双手协作能力建立了全新标准，相关成果已发表于学术预印本平台。

研究团队通过系统分析发现，现有AI模型在处理双臂协调任务时存在显著短板。尽管多模态大模型在语言理解和图像识别方面表现优异，但当需要同时控制两个机械臂完成抓取、传递、组装等动作时，即便是最先进的模型也频繁出现失误。这种现象类似于人类中的"左撇子"与"右撇子"在协调双手时的天然差异，但机器人面临的是更复杂的空间计算和实时反馈问题。

该测试系统构建了三级评估体系：基础层考察空间推理能力，要求机器人根据物体位置选择最优手臂；中间层测试任务分解能力，需将复杂操作拆解为可执行的步骤序列；最高层则聚焦精确控制，要求机器人同时输出16维连续动作指令，控制两个7自由度机械臂完成协同操作。这种分层设计使评估体系既能检测基础能力，又能识别高级协调缺陷。

在测试过程中，研究团队对30余个主流AI模型进行了全面评估，涵盖闭源和开源系统。实验数据显示，在基础空间推理任务中，表现最佳的模型准确率可达95%，但随着任务复杂度提升，成功率显著下降。特别是在需要精确时序控制的堆叠任务中，即使最先进的模型成功率也不足67%，而开源模型普遍低于30%。这种性能断层暴露出当前AI架构在处理多肢体协调时的根本性局限。

评估机制的创新体现在评分系统的设计上。针对传统二元评分法的局限性，研究团队开发了高斯加权空间评分模型。该系统根据物体与中心线的距离动态调整评分权重，当物体位于中央区域时，系统对左右手选择的容错率提高30%。这种设计更符合人类实际操作中的模糊判断，避免了因微小位置偏差导致的误判。

为解决机器人视野遮挡问题，测试系统引入了多视角观察机制。通过同步处理第一人称视角的精细图像和第三人称视角的全局监控，模型能获得更完整的场景信息。但实验发现，这种多模态输入对计算资源要求较高，部分中小规模模型在处理多视角数据时反而出现性能下降，这为后续模型优化提供了重要参考。

在动作执行策略方面，研究团队提出了自适应截断机制。该系统根据任务类型动态设定最大连续动作数，当执行到预设阈值时强制暂停，要求机器人重新观察环境后再继续操作。这种"安全缓冲"设计使任务完成率提升22%，特别是在涉及动态物体的操作中，有效减少了因环境变化导致的失误。

深度错误分析揭示了不同模型的特性差异。以GPT-5和Gemini-2.5-Pro为例，前者在感知阶段错误率较高，常出现物体定位偏差；后者则在规划阶段问题突出，容易产生双手动作冲突。这种差异化表现提示研究者，提升双臂协调能力需要针对不同模型架构开发专属优化方案。

测试任务设计紧密结合实际应用场景，包含双手搬运、工具使用、物品排序等23类日常操作。在模拟厨房环境中，机器人需要完成"一手持碗一手倒水"的精细动作，这项任务使85%的测试模型出现液体洒落。这类贴近现实的测试场景，为评估机器人实用化程度提供了可靠依据。

技术突破体现在多个创新模块的集成。研究团队开发的视觉驱动智能体框架，能将复杂操作分解为可执行的子任务序列；操作臂分配反馈机制可在手臂选择错误时实时纠正；多视角融合算法则优化了空间感知能力。这些创新共同构成了完整的双臂协调解决方案。

当前研究仍存在局限性。所有测试均在仿真环境进行，未考虑真实世界中的机械误差、传感器噪声等因素；测试对象主要为刚性物体，对柔性材料操作的研究尚待深入；大型模型的推理速度也难以满足实时控制需求。这些挑战为后续研究指明了方向。

该成果对机器人产业发展具有重要推动作用。建立的标准化评估体系为厂商提供了客观比较基准，有助于引导技术路线向实用化方向发展。特别是测试中暴露的共性问题，为学术界和产业界协同攻关提供了明确目标。随着双臂协调能力的提升，服务机器人、工业协作机器人等领域有望迎来新的突破。