综述：超越僵化自动化：面向自适应人机拆解的视觉-语言-动作模型综述

《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》：Beyond rigid automation: A review of vision-language-action models for adaptive human–robot disassembly

　　

Baki Ul Islam|Joao Paulo Jacomini Prioli|Jose Carlos Hernandez Azucena

摘要

传统的工业机器人依赖固定的编程方式，而这种方式往往无法应对产品拆解过程中存在的各种变化情况，因此需要更为灵活的控制系统。视觉-语言-动作模型通过将视觉感知、自然语言理解与运动控制整合到统一的架构中，为这一领域带来了变革性的进展。本综述系统地探讨了拆解序列规划、视觉-语言-动作架构以及人机协作如何共同应对可持续制造所带来的挑战。通过分析2019年至2026年1月间在这些领域发表的核心研究及高影响力预印本，本文评估了从端到端策略到分层系统等多种架构模式。研究结果表明，那种将高级符号化拆解规划器与低级执行策略分离的分层架构，在非结构化环境中具有更强的适应性。此外，视觉-语言-动作模型被视为实现自主性协调的关键技术，它能够让机器人通过与人类操作员进行自然语言交流来解决模糊问题并从错误中恢复。综述最后指出，将符号化规划与实际动作相结合对于拆解系统而言至关重要，并提出了以数据高效、透明且可验证的人本化机器人系统为方向的研究路线图。