← 返回 PaperDaily
视觉与图像
FORGE-plus来了：LLM给机器人定力上限，压不坏还会修
机器人装配里最容易翻车的，不是“不会做”，而是“太用力”。这篇工作把LLM从“嘴强王者”变成了会给力控设预算、会看力信号选恢复动作的监督器，思路非常工程化。
龙哥读论文
阅读 4
查看原文
原论文信息如下：
机器人力控装配的预算与修复困境
机器人做装配，最怕的往往不是“够不着”，而是“太能使劲”。力一上头，轻则卡死，重则把脆弱零件直接按碎，现场画风立刻从自动化变成“人工检修”。这篇论文盯住的，就是这种很现实、也很尴尬的问题：力控装配到底该由谁来定力上限，失败之后又该怎么恢复。
传统做法里，很多方法默认“力越大越容易成功”，于是失败后最自然的动作就是继续加力。但这个思路只对钢件、刚性件比较友好，一旦装配对象里混进脆弱件，比如薄壁瓶体、易裂齿轮，继续加压就不是恢复，而是拆台。论文把这个矛盾说得很直白：能把零件装进去的力，不一定是能把零件保住的力。
更麻烦的是，失败时真正有用的信息，常常不在图像里，而在力信号里。视觉看上去像“卡住了”，但卡住的原因可能完全不同：可能是边缘顶住了，可能是姿态歪了，也可能是接触面已经开始打滑。只靠图像，容易把不同故障看成同一类；只靠加力，又容易把可修复问题变成不可修复事故。论文正是抓住了这个缝隙：让冻结的LLM只做“慢决策监督”，而不是下场直接控制力。
核心机制：冻结LLM设定力上限 + 硬限制保安全
这套方法的思路其实很像工厂里的“总工审批 + 设备保险丝”。LLM负责理解“这是什么零件、它大概有多娇气”，然后给出一个每个对象专属的力预算；真正执行动作的控制器则在底层把命令硬性截断，保证机器人不会越过上限。也就是说，LLM会提建议，但最后拍板的是控制回路，不是语言模型。
这里有两个关键动作。第一步是“预算设定器”：输入零件身份、材料、几何标签、任务类型，输出一个Fmax，也就是允许的最大力。这个Fmax不是拍脑袋的全局常数，而是按对象来定，脆的就给低一点，硬的就给高一点。第二步是“恢复选择器”：当插入失败时，LLM读取一个简短的力/接触签名，比如峰值力、插入深度、是否持续上升、是否存在横向偏置、是否有滑移事件，再从固定菜单里选一个恢复动作，例如撤回重试、摆动搜索、旋转对齐、重新抓取或直接终止。
这套设计最有意思的地方在于：恢复菜单里故意没有“提高力上限”这个选项。原因很朴素——如果失败后允许继续抬高预算，那LLM很容易把“修复”理解成“加压”，而这恰恰是脆弱装配最危险的动作。论文把这个口子堵死，恢复层只负责换动作，不负责放宽安全边界。
论文还专门强调了三条“非循环”约束，保证评估不是自嗨。第一，隐藏的破坏阈值Fbreak只给评估器看，任何学习模块都看不到；第二，恢复过程中Fmax不允许被改写；第三，真正的力控制权永远在快速控制回路里，而不是在LLM嘴上。这样一来，模型如果表现好，靠的是对象识别和恢复策略真的靠谱，而不是“偷看答案”。
从工程角度看，这种架构很像给大模型装了一个“物理保险箱”。LLM可以很聪明，但它不直接碰力；控制器可以很快，但它不懂对象语义。两者分工后，系统既保留了语义层面的判断能力，又把最危险的那部分权力锁在了底层。
实验验证：两个任务、七项指标、五种基线的全面比拼
这篇工作的实验设计，算是把“力上限”和“失败恢复”这两个问题都掰开了揉碎了测。任务只有两个，但都很典型：一个是脆弱瓶体放入瓶架，另一个是紧公差齿轮插入。前者考验的是“别把东西按碎”，后者考验的是“别把东西卡死”。两个任务都很接地气，也很适合看出恢复策略到底是在救火，还是在添油。
论文一共看了七类指标，覆盖得比较完整：闭环成功率、破坏率、预算是否合适、恢复是否有效、力是否省、命令是否真的被截断、以及跨夹爪迁移能力。这个组合很重要，因为只看成功率，容易把“暴力成功”误判成“方法优秀”；只看破坏率，又可能把“根本不工作”的方法错当成安全方案。七项一起看，才更像真实工程里的验收单。
先看预算这件事。表2里最扎眼的不是“我们方法赢了”，而是“oracle也会翻车”。所谓oracle，是直接把Fmax设成Fbreak减去一个很小的ε，听上去像是最优答案，结果却因为控制命令在接触中会发生超调，导致一半左右的脆弱件还是被打坏。这个结果很关键，它说明只把名义上的上限设低还不够，必须把超调分布也算进去。换句话说，安全不是“写在纸面上”就算数，得真能压住物理世界的脾气。
再看恢复。论文在5毫米夹持内滑移的扰动下，比较了五种恢复方式：力签名链、视觉LLM代理、手工启发式、继续加压、以及不恢复。结果很有戏剧性：真正能把“歪掉的抓持”重新救回来的，只有读力签名的那条链路，因为它能识别出“问题跟着零件走”，所以会选择重新抓取；而视觉代理和手工规则常常分不清当前到底该转、该退，还是该重抓。
表3里最值得看的是“加压修复”的两张脸。在Robotiq 2F-140上，它几乎是徒劳的：因为歪掉的孔根本没吃上力，力上限抬高也没用，最后只剩超时；在Franka上，它又变成了破坏性极强的策略，24个脆弱件里几乎全被压坏。也就是说，同一个“继续加压”动作，在不同夹爪和不同接触状态下，可能分别表现为“没用”或者“毁掉”。这才是工程里最烦的地方：看起来像同一个按钮，按下去却是两种事故。
另一个很有意思的实验，是“非循环评估设计”。论文没有把破坏阈值Fbreak暴露给模型，也没有允许恢复阶段修改Fmax。这样做的好处是，评估结果能真实反映方法是否真的懂“对象脆弱性”，而不是靠作弊式的阈值记忆。这个设计看着保守，实际上非常必要，因为一旦把隐藏阈值泄露出来，模型就有机会学成一个“会抄答案的控制器”。
关键发现：加压修复的两面性 & 非循环评估设计
这篇论文最有价值的地方，不只是提出了一个新框架，而是把两个很容易被“默认合理”的想法直接打脸：第一，失败后继续加压不一定是恢复，很多时候只是把问题推向破坏；第二，评估如果不把隐藏阈值隔离开，最后很容易变成一场“模型知道答案”的表演。
论文里还给了一个很重要的现实提醒：即便LLM设了比较保守的预算，恢复阶段的接触过程仍然可能比清洁插入更激烈。也就是说，恢复不是“低风险重试”，而是“在更差的姿态和更糟的接触状态下继续工作”。这也解释了为什么恢复阶段的峰值力往往比正常流程更高。对工程系统来说，这意味着恢复策略不能只看动作类别，还要看动作之后的接触轨迹是否真的更安全。
从实验结论看，这个方法的强项并不是“把所有任务都做满分”，而是在脆弱件和刚性件混合存在时，仍然能维持一条安全边界内的恢复路径。这比单纯追求成功率更接近真实产线，因为产线最怕的不是偶尔失败，而是某个失败动作把整批零件带走。
当然，局限也很明显。首先，这一切都发生在刚体仿真里，破坏只用一个隐藏标量阈值来建模，没有真实材料断裂和形变；其次，LLM只看文本，不看图像，适合做对象身份和恢复菜单选择，但不适合直接承担感知；最后，恢复策略虽然比加压更稳，但在某些设置下仍然会有超时和接触过冲，说明离“拿来就能上产线”还有距离。论文自己也没有把仿真结果包装成现实落地，这一点算是比较诚实。
总结与讨论：仿真局限与未来方向，龙迷三问，龙哥点评，参考文献
如果把这篇论文压缩成一句话，那就是：让LLM负责“懂对象”，让控制器负责“守底线”，让恢复策略只在安全边界内换动作。这个思路很朴素，但很工程。它没有幻想语言模型去接管物理世界，而是把语言模型放在它真正擅长的位置上：做语义判断、做策略选择、做低频监督。
未来如果要继续往前走，最值得补的有三件事。第一，把刚体仿真升级到更接近真实材料的接触建模，至少要看看形变和摩擦变化会不会把这些结论冲散。第二，把文本身份输入扩展成更可靠的对象描述来源，避免真实工厂里“零件名写错了，预算也跟着错了”。第三，把恢复策略和力预算联合优化，但依旧要保留硬约束，不然又会滑回“为了成功率，先把零件按坏再说”的老路。
从行业角度看，这类方法最适合的场景不是“特别炫”的机器人秀，而是那些零件类型混杂、脆弱件很多、失败代价很高的装配线。真正的价值不在于把峰值成功率再抬高一点，而在于把“出错时别把事情做更糟”这条底线真正落地。这个方向如果继续成熟下去，后面很可能会成为力控装配系统里的标准安全组件。
龙迷三问
这篇论文到底解决什么问题？它解决的是“力控装配里谁来定力上限、失败后怎么恢复”这两个现实问题。核心答案不是让模型更会加力，而是让模型先学会给零件分配一个合理预算，再在预算内选择恢复动作。
Fmax、Fbreak、force signature分别是什么意思？Fmax是允许的最大力上限，论文里由冻结LLM根据对象身份来设定；Fbreak是零件的破坏阈值，只给评估器看，模型看不到；force signature就是失败时的一段简短力/接触摘要，用来帮助LLM判断当前更像是顶住了、歪了、还是滑了。
为什么论文强调“不能继续加压”？因为继续加压只对一部分刚性件有用，对脆弱件往往是灾难。论文的实验已经证明，加压修复在不同夹爪和不同接触状态下，可能分别变成“无效”和“破坏”，所以它不能被当成通用恢复策略。
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评
论文创新性分数：★★★☆☆
创新点不在某个单点大招，而在“冻结LLM + 力预算 + 恢复菜单 + 硬约束”这组组合拳。思路工程味很足，属于把几个容易被忽略的安全细节认真拼起来的工作。
实验合理度：★★★★☆
任务、基线、指标和非循环设计都比较完整，尤其把“oracle也会翻车”这个事实测出来了，很加分。唯一遗憾是全部停留在仿真，离真实装配还有一段路。
学术研究价值：★★★★☆
它把“力控装配中的语义监督”和“物理安全边界”连接起来了，对后续做安全机器人、接触恢复、脆弱件装配的人都有启发。研究意义不低，尤其适合当作后续系统设计的模板。
稳定性：★★★☆☆
在仿真里已有不错表现，但恢复阶段仍有超时和过冲，说明系统还没有到“随便上产线”的程度。对脆弱件来说，稳定性比成功率更重要，这里还有提升空间。
适应性以及泛化能力：★★★☆☆
跨夹爪、跨对象类别做了验证，说明有一定泛化味道；但对象身份依赖、任务范围和仿真设定都比较明确，泛化还没到“哪里都能用”的程度。
硬件需求及成本：★★★★☆
冻结LLM只在低频调用，真正高频的还是传统控制回路，所以在线成本不算夸张。真正的成本主要在策略训练、仿真调参和恢复流程设计上，不在推理算力本身。
复现难度：★★★☆☆
论文给了项目页和日志，信息算比较全，但系统包含多层控制、恢复菜单、隐藏阈值和不同夹爪配置，复现起来仍然不算轻松。属于“有路标，但路不短”。
产品化成熟度：★★☆☆☆
目前更像一个安全架构原型，适合做研究平台和策略验证，不适合直接当产线方案。要进产品，至少还需要真实材料、真实传感和更稳的恢复闭环。
可能的问题：最大的问题不是思路不对，而是仿真过于理想化，且恢复阶段仍会出现超调和超时。顶会标准下，这篇更像“把安全边界讲清楚了”，而不是“已经把工业装配彻底解决了”。
主要参考文献
[1] Factory: contact-rich assembly benchmark and simulation line.
[2] IndustReal: industrial manipulation benchmark in simulation.
[3] AutoMate: assembly-focused manipulation benchmark.
[4] FORGE: force-conditioned RL skill for contact-rich insertion.
[5] REFLECT. [6] DoReMi. [7] AHA. [8] Tactile-VLA. [9] PaCo-VLA. [10] ForceVLA. [11] CompliantVLA-adaptor. [12] Isaac Lab. [13] GraspGen. [14] PPO. [15] DAgger. [16] Weight soup.
论文原文：https://arxiv.org/pdf/2607.21227v1.pdf
项目页：https://robot-team00.github.io/FORGE-plus/
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！
欢迎加入龙哥读论文粉丝群，
扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
机器人装配别再靠“猛男式加压”了，脆弱件真的扛不住。进群一起聊聊这类
力控装配、LLM监督、失败恢复的实战设计，少踩坑，多省零件。
