WorkBenchMark：用逆向拆解规划乐高得宝机器人装配

把实际物理操作纳入测评

2026 年 6 月的 arXiv v2 论文定义了 400 项仿真任务，每个难度层级 100 项：基础垂直堆叠、多块顺序堆叠、空间形状布局和复杂互锁结构。任务给出目标产品和散放零件，机器人需要识别零件、确定顺序、抓取和插入，并避免碰撞与倒塌。

理论顺序正确，机械臂仍可能够不到零件，或在后续下压时破坏结构。论文还评估了较小的实体机器人任务集。

从完成品逆向推导装配顺序

Assembly-by-Disassembly 用体素占用状态表示成品，递归移除可从上方取出的候选零件。候选零件需要有无碰撞抓取姿态，移走后剩余结构也必须能支撑将来的压装。后一条件通过接地积木形成的支撑多边形与下压位置投影近似判断。

失败时搜索会回溯，也能把连在一起的子装配整体处理。成功拆解序列倒过来就是装配顺序。支撑多边形只是近似检查，并非完整接触物理证明。

视觉定位后执行避碰运动

感知流程用 GroundingDINO 根据文字定位零件、SAM 细化实例掩码，再结合已知 CAD 网格，用 FoundationPose 估计六自由度姿态。控制器按接近、张开夹爪、下降、抓取、抬升、移动、下降和释放的状态机执行。

MoveIt 2 与 OMPL 规划无碰撞的转移动作，受约束的笛卡尔下降保证抓取和插入对齐。执行失败会换一个抓取姿态并可能重规划。已知网格、相机标定和可靠姿态估计仍是前提。

实验数字的适用范围

在 400 项仿真任务中，结构化流程总体成功率为 77.5%，微调 VLA 基线为 42.5%，零样本 VLM/VLA 基线为 38.25%。该方法从 Tier 1 的 94% 降到 Tier 4 的 62%。UR5 实机在 Tier 1-3 各 10 项任务上分别报告 90%、90% 和 70%；Tier 4 未纳入实体测试。

这些数字只适用于论文规定的零件、仿真器与机器人设置，不能外推到任意积木套装，也不表示 BrickGPT.online 能控制机器人。

阅读原始研究

研究区分了视觉步骤图可能掩盖的三类失败：零件姿态不准、装配顺序不可行、物理插入失败。具体任务约束和评测协议请以论文为准。

• 阅读 WorkBenchMark arXiv v2
• WorkBenchMark 项目页
• 继续阅读视觉空间推理基准