GOPLA：让Stretch 3移动操作机器人真正“听懂人话、摆对位置”

在具身智能研究中，如何让机器人既理解人类语言指令，又能在复杂3D环境中安全、合理地执行物体摆放任务，一直是个核心挑战。近期，慕尼黑工业大学与苏黎世联邦理工学院联合提出的 GOPLA 框架，为此提供了高效且可扩展的解决方案，并在 Hello Robot具身智能平台上完成关键验证。

一、第一性原理：拆解“摆放”的本质

物体摆放任务的成功依赖两个维度：

• 语义合理性：符合人类常识与偏好（如“把水杯放干净区域”）；
• 几何可行性：满足物理约束（如不碰撞、保持稳定）。

传统方法往往偏重其一，而 GOPLA 创新性地采用分层协同架构，实现两者统一。

二、实现路径：三层推理，从语言到动作

1、高层语义解析
利用预训练多模态大模型（MLLM），将自由文本或图文指令转化为结构化空间关系（如“在盒子左侧前方”）。

2、中层空间映射
通过轻量级 Mapper 模块，将语义关系转为3D亲和力场，指导目标区域选择。

3、底层动作规划
扩散规划器融合多目标约束与实时环境感知，生成物理可行的末端位姿。

三、科研亮点与创新价值

• 数据高效：仅需少量真人示范，结合场景图交叉变异与功能相似替换，自动生成带几何标签的合成数据；
• 强泛化能力：在真实世界多样任务中达到 70.33% 成功率，较最强基线提升超30个百分点；
• 即插即用架构：无需重新训练大模型，即可部署于现有具身平台。

四、Hello Robot具身智能平台的关键支撑作用

GOPLA 已成功部署于Hello Robot移动操作机器人Stretch 3，并在以下方面展现优势：

• 完成从单物放置到多轮桌面整理等复杂任务；
• 验证了算法在真实家庭与办公场景中的鲁棒性；
• 凸显Hello Robot作为开放研究平台的灵活性与实用性。

五、对具身智能与科研生态的长期价值

GOPLA 不仅是一项算法突破，更提供了一种高层语义 + 底层几何的通用协作范式。结合Stretch 3移动操作机器人的硬件生态，该工作显著降低了服务机器人落地的技术门槛，加速其从实验室走向真实应用场景。

一句话总结：GOPLA 让机器人不仅“听话”，更“懂事”——而 Hello Robot 正是这一智能落地的优质平台。

论文来源

标题：GOPLA: Generalizable Object Placement Learning via Synthetic Augmentation of Human Arrangement

作者：Yao Zhong, Hanzhi Chen, Simon Schaefer, Anran Zhang, Stefan Leutenegger

链接：https://arxiv.org/abs/2510.14627