机器人如何像人一样拿起杯子、使用工具？一项ICCV 2025的研究给出了答案。它通过全自动数据构建、几何引导模型和全新操作框架，解决了机器人理解物体功能的核心难题，使其在真实世界中的操作精准度实现了突破。
智能速览
研究首创全自动数据工厂，打破机器人学习的数据标注瓶颈。
几何引导的变换器模型，显著提升了机器对不同物体的泛化能力。
Aff-Grasp操作框架打通了从视觉理解到物理交互的全链路。
该技术将推动厨房助手、手术机器人等应用场景的质变。
精华内容
这项研究究竟如何突破传统限制？其核心在于一套从数据生成到模型构建，再到实际部署的完整闭环。
数据工厂
传统机器人学习依赖大量人工标注数据，成本高昂且效率低下。该研究构建的全自动可供性数据工厂，利用第一视角视频自动生成物体可供性标注，实现了数据生产的规模化与自动化，从根本上解决了数据瓶颈问题，为后续模型训练提供了海量高质量的数据支撑。
几何引导
仅有数据还不够，模型的理解能力是关键。研究提出的几何引导可供性变换器（GAT）将物体的三维几何结构信息融入模型学习中。这种方法让机器人不再仅仅依赖外观，而是能从物体的物理形态推断其功能，从而在面对从未见过的新物体时，也能做出准确的操作判断，泛化能力显著增强。
交互框架
为了让理论走向现实，研究设计了Aff-Grasp操作框架。该框架无缝集成了视觉理解模块和机器人控制系统，将模型对物体可供性的预测直接转化为机械臂的抓取指令。在真实世界的测试中，该框架成功指导机器人完成了对多种复杂物体的精准抓取和操作，验证了整套方案的可靠性与实用性。
这项研究不仅是技术上的突破，更让具身智能离现实更近一步。当机器人真正理解了物体的“用途”，未来的智能生活将是何种景象？
