在机器人操作领域，一个显著的趋势是研究焦点正从桌面协作机械臂转向人形双臂操作。这种范式转移带来的核心挑战是什么？视觉遮挡。简而言之，当机器人使用双臂执行任务时，自身的手臂、工具或被操作物体很容易遮挡摄像头的视野，导致关键操作区域产生盲区。传统方法通常依赖固定视角或多视角拼接，但在复杂遮挡场景下，效果往往不尽如人意。
这里的关键洞察在于：视觉遮挡问题的本质并非“看不见”，而是“缺乏支撑任务执行的充足信息”。基于这一理解，我们提出了一个更基础的问题——探索性与聚焦性操作（Exploratory and Focused Manipulation, EFM）。简单来说，就是让机器人主动去“观察”那些被遮挡的区域，或者精确聚焦于某个微小范围，从而完成那些需要探索或高精度操作的任务。围绕这一课题，团队构建了EFM-10基准，提出了一种双臂主动感知（BAP）策略，并收集了BAPData数据集。通过模仿学习实验，验证了BAP策略的有效性，同时分析了主流操作策略模型的优缺点及典型失败原因——这些工作为这一方向奠定了初步基础。
EFM-10基准：四大类任务的标准化定义
EFM-10基准是研究EFM问题的首个标准化载体。它将探索与聚焦能力拆分为四个维度，并定义了10个典型任务，便于全球研究者在仿真或真实环境中复现。
- 语义探索类：要求机器人探索场景中隐藏的语义属性。例如Toy-Find（寻找玩具）和Toy-Match（玩具配对），需要机器人“理解”被遮挡物体的身份。
- 视觉遮挡探索类：要求机器人通过主动变换视角，捕捉被遮挡的操作区域。典型任务如Cup-Hang（挂杯子）和Box-Push（推箱子），一旦手臂遮挡视线，机器人必须自行调整“视角”。
- 聚焦精细操作类：依赖于对操作区域的清晰聚焦，才能完成精细动作。例如Light-Plug（插入小灯插头）和Nail-Knock（敲钉子），精度要求极高，毫厘之差即失败。
- 兼具探索与聚焦的复杂类：既需要场景探索，又需要规避遮挡，同时还要进行精细操作。例如Cable-Match（匹配线缆接口）和Charger-Plug（插入充电器），这类任务对机器人的综合能力提出了最高要求。
双臂主动感知（BAP）策略：用非操作臂充当“眼睛”
在硬件设计上，许多机器人采用主动颈部（可转动）来获取视角，但自由度有限，且与人形双臂的布局不一定兼容。我们提出的BAP策略无需高自由度的主动颈部，直接利用非操作臂提供手眼主动视觉——换句话说，让空闲的那只手携带摄像头，想看哪里就指向哪里。同时，操作臂在接触物体时还能提供力传感器反馈，支撑细粒度操作。该方案与基于颈部的主动视觉完全兼容，两者结合可最大化多视角相机的利用率。
BAPData数据集：1850条真实双臂演示数据
为使上述策略真正落地，我们采集了BAPData数据集。硬件平台采用JAKA K-1双臂机器人，内置6D力传感器，配备头部相机和腕部相机。通过VR遥操作进行数据采集，以10Hz频率记录操作过程中的双臂运动轨迹、视觉数据及力传感数据。总共包含1850条真实演示数据，覆盖EFM-10的全部10个任务。这些数据为细粒度双臂操作的模仿学习提供了坚实的数据基础。
