【具身AGI导读】在轨服务的机械臂，远端换成软体连杆之后，「手在哪」不再能从关节角直接推出来——一篇新论文把关节编码器与视觉读数放进同一个估计框架里。

2026 年 10 月 27 日，arXiv 上出现一篇预印本，三位作者来自一所美国高校的航空航天学院与电子计算机工程学院。

它处理的是在轨服务机械臂的一个具体问题：当远端连杆换成腱驱动的连续体机器人结构，机械臂怎么从关节编码器与视觉测量里重建自己的构型与位姿；而这套机械臂要在自由漂浮、基座位姿不确定、机载传感可能只剩视觉与编码器的条件下工作，验证也只在仿真里完成。

软体结构的好处是收纳体积与质量更小、靠固有顺应性提升操作安全，并降低近距作业的碰撞风险；代价是连续体连杆的形变难以从关节角直接读出，「手在哪」本身成了一个估计问题。现有连续体机器人的状态估计方法，大多假设基座固定、依赖外部动捕或嵌入式应变传感，与空间平台不符；而刚体空间机械臂的传统方法又没适配连续体连杆。

这篇论文把估计写成对混合构型的后验推断，条件于关节编码器与视觉管线的离散含噪测量，再转成因子图：基座测量、位姿偏移、转动关节、关节测量、相机点、连续体连杆各成一类因子，软约束一起优化；连续体的构型用几何可变应变做低阶参数化，作者称这一性质便于以后做基于模型的反馈控制。因子图的好处是把异构测量写进同一个优化问题，坏处是某个因子写错会一起错。验证用的连续体位置读数，来自合成照片级图像的立体三角化，而不是真机采集。

结果方向很克制：末端位置误差约为系统特征长度的几个百分点，相对基座的位姿估计能到毫米级，每步求解在毫秒量级；作者称这一精度与耗时支持它在轨应用的潜力。不过它只在仿真里验证——一条闭环轨迹，没有上真机。

作者在结尾写道：连续体的姿态信息仍然缺失，视觉设置不提供这一维；传感器怎么摆还没优化；上代表性硬件留给以后。论文投给期刊的版本也还只是投稿，不是录用；这些限制与结果一样，都是作者自己给出的；论文也没有公开代码或项目页，尚无第三方复现。对在轨服务来说，先把自己的构型量准，后面每一步操作才有可依赖的起点。

机械臂越软，越得先学会量自己。

参考资料

- arXiv · State estimation for a hybrid rigid-continuum space manipulator system · 2026-10-27

编辑：具身AGI

具身智能第一现场

⭐点赞、转发、在看一键三连

⭐点亮星标，锁定具身AGI极速推送！