据雷峰网报道，在 IROS 2026 大会期间举行的“多机器人系统中的紧耦合物理交互与协作”Workshop 上，荷兰代尔夫特理工大学教授 Javier Alonso-Mora 介绍了团队从地面移动操作到空中多机器人协作的研究。团队给无人机装上机械臂，使其能在空中完成推箱子、写字、拧螺栓等接触操作，并让多架无人机协同吊运物体，进一步探索参与建筑施工。
Alonso-Mora 领导代尔夫特理工大学 Autonomous Multi-Robots Laboratory，并担任该校机器人研究院主任。他所在团队过去十多年围绕运动规划、任务分配、多机器人协作和学习展开工作，近期重点集中在移动操作和协同操作。
在地面移动操作方面，团队曾开展超市场景中的机器人拣选项目。机器人携带机械臂在货架间移动并抓取商品，使用 Geometric Fabrics 方法实现全身控制，同时控制机械臂和移动底盘，并以行为树负责抓取顺序和失败重试。反应式控制可能陷入局部最优，例如两台机器人同时到桌边放置物体时互相避让形成死锁。团队随后把低层控制器与全局二次规划结合，通过前向模拟预测冲突，再优化接近方向、抓取姿态和放置位置。
任务与运动规划方面，团队把离散任务顺序和连续运动放到一起求解。在一个实验中，机器人需要从一张桌子拿起方块放到另一张桌子，中间有斜坡状障碍物。系统通过前向模拟、采样抓取点和放置点，并用交叉熵优化改进方案，最终发现直接把方块送过斜坡比带着它绕行更快。该方案后来在真实机器人上执行，但计算成本较高，团队正尝试用学习策略减少对大量物理仿真搜索的依赖。
多机器人协作方面，团队先用两个机械臂实验，分别训练单机器人策略拿起和放置方块，再通过联合优化目标组合完成共同任务。实验中，第一个机器人拿起方块后交给第二个机器人，第二个机器人再把方块送到更远位置。Alonso-Mora 表示，多机器人协作示范很难获取，团队希望复用已有单机器人示范。
空中操作是演讲重点。第一类空中机器人是带机械臂的无人机。由于空中平台没有固定支撑，机械臂运动或接触环境产生的力会影响无人机稳定。团队使用的 DSAM 平台采用分层控制：外层由强化学习策略生成操作指令，内层由自适应控制器稳定控制，演示包括推动箱子、在白板上写字和拧紧螺栓。第二类无人机负责协同搬运，三架无人机通过绳索共同吊起物体。团队最初采用集中式非线性模型预测控制，由中央控制器统一计算所有无人机控制量，实现轨迹跟踪、避障和抗扰动。之后团队尝试去掉中央控制单元，采用多智能体强化学习和模仿学习。多智能体强化学习在仿真中训练，执行时每架无人机运行自己的 Actor，底层由 INDI 控制器保持稳定。8 字形轨迹跟踪实验中，分布式策略表现接近集中式方案，并在其中一架无人机出现故障、朝错误方向运动甚至掉落时表现出一定鲁棒性。目前该方案尚未加入障碍物，系统仍依赖动作捕捉设备。
演讲最后，Alonso-Mora 介绍为期四年的 HARPA 项目，全称是 Heterogeneous Aerial Robotic Teams for Prefabricated Building Assembly，周期为 2026 年至 2030 年。项目目标是让空中机器人团队参与建筑施工，一部分无人机运输建筑材料，另一部分带机械臂的无人机负责装配，例如连接建筑模块、安装螺栓，并继续推进机载感知。