央广网宁波5月1日消息（记者张雯雯 通讯员王禹）近日，由宁波海曙科创平台浙江人形机器人创新中心（以下简称“浙江人形”）联合香港中文大学、浙江大学等多家高校与科研机构共同完成的机器人空间智能研究 “A retrieval-augmented framework enabling VLM spatial awareness for object-centric robot manipulation” 发表于国际顶级机器人学术期刊《Science Robotics》。该研究提出名为RAM（Retrieval-Augmented Manipulation）的三维空间理解与操作模型，为提升机器人在复杂长程任务中的操作可靠性提供了新的技术路径。
人形机器人（央广网发 通讯员供图）
当下，以视觉语言大模型（VLM）为代表的AI技术正在提升机器人理解自然语言指令和分解复杂任务的能力。但从“听懂指令”到“完成动作”之间，仍存在关键鸿沟：机器人需要在三维空间中理解物体的位置、朝向、尺度、可操作区域及相互关系，并将这些信息转化为可执行的运动约束。
针对这一挑战，由浙江人形等提出的RAM，借鉴检索增强生成（RAG）的思想，为大模型配备可查询的外部三维知识库。机器人执行任务时，模型可以按需检索物体类别、几何属性、功能平面、抓取点等空间先验信息，从而弥补视觉语言模型自身三维空间理解不足的问题。与将知识隐含在模型参数中不同，RAM的空间知识更加显式、可解释，也便于扩展。
此外，团队构建了面向机器人操作场景的空间理解问答评测集，从相对位置、旋转方向、操作可行性、任务规划和尺寸估计等维度评估模型的空间认知能力。结果显示，在该评测集覆盖的多类空间推理任务中，RAM整体表现优于多种代表性视觉语言大模型。而除核心任务外，RAM还展现出一定通用性与扩展性。
浙江人形相关负责人介绍，人形机器人要走向真实应用场景，不仅需要硬件本体、灵巧手和运动控制能力，也需要理解三维环境、判断物理约束并规划可执行动作的算法能力。这一空间智能技术的研究，也为人形机器人未来走向复杂应用场景提供了支撑。
据了解，目前，围绕平台建设与场景需求，浙江人形正持续关注三维感知、任务规划、灵巧操作和具身智能等关键能力的融合发展，推动相关技术在工业制造、家庭服务、智能康养等颇具挑战性的场景中的探索验证与逐步落地。
“我们也将继续推动前沿研究与工程实践之间的衔接，围绕机器人空间认知、长程任务规划和自主决策等方向开展探索，助力人形机器人在更复杂、更真实的环境中实现可靠操作与智能协作。”该负责人表示。