伯克利推出 EyeRobot 2.0，依靠凝视完成无腕部摄像头高精度操作

加州大学伯克利分校全新发布 EyeRobot 2.0 机器人系统，这套系统只依靠一台固定双目相机，借助主动凝视技术，彻底舍弃机械臂腕部摄像头，依旧能够完成双手协同的精细操作，整体操作精度完全可以满足日常小件物品的抓取、插接等复杂任务，大幅简化机器人硬件结构，降低整机成本与调试难度。这套技术核心灵感来自人类中心凹视觉机制，机器人不再依靠多摄像头采集全场景画面，而是主动转动双目视角，把视线精准锁定在三维注视点上，再配合中心凹图像处理方案，把算力集中在视线中心区域，外围画面只占用少量计算资源，在减少硬件的同时提升视觉识别精度。之所以可以做到拆掉腕部摄像头还能精准操作，主要依托三大核心技术创新。第一是主动视觉凝视架构，机器人双目视角可以自由转动，主动汇聚到目标点位，让视觉观测直接成为控制环节的一部分，而不是单纯录制画面；第二是分层凝视控制策略，底层负责视线精准对准目标，高层会跟着任务进度自动切换注视目标，整套注视序列接近人类操作时的视线变化；第三是注视坐标系动作转换，把夹爪动作转换为相对于注视点的三维空间指令，压缩动作空间，让模型更容易学会精细动作。整套系统的落地实施分为完整的硬件搭建、模型训练、实物测试三个执行步骤。硬件搭建环节，采用 14 自由度双臂机械结构，仅在双臂中间固定一台双目相机，相机向下倾斜 45 度覆盖全部作业台面，相机具备双视角转动能力，无需在夹爪末端加装任何摄像设备。模型训练环节分成两个模块同步优化，底层凝视伺服策略使用密集几何奖励做强化学习训练，保证视线能够稳定锁定目标；高层目标选择器和夹爪控制模型联合训练，自动生成一整套连贯的注视点位切换顺序，全程依托真实场景遥控采集的数据完成模型迭代。实物测试环节一共搭建 7 项真实任务与 6 项仿真任务，累计完成 1000 次实体机器人试验、1800 次仿真试验，把 EyeRobot 2.0 和普通固定双目视觉方案、带腕部摄像头的传统方案做对照测试。大量试验数据能够充分证明，去掉腕部摄像头之后，依靠主动凝视的 EyeRobot 2.0 依然可以保持很高的操作成功率，双手精细作业的稳定性优于仅使用被动固定相机的机器人方案。这套新技术可以大幅简化服务机器人、桌面操作机器人的硬件配置，省去腕部摄像头的布线、供电与图像传输模块，缩小机械臂末端体积，更适合完成狭小空间内的精密操作任务。

一、核心技术架构详解

1. 主动视觉凝视（AVF）模块

机器人的两个视觉视角可以独立旋转，共同聚焦到场景里同一个三维坐标点，形成固定注视中心。系统只对注视中心区域做高分辨率图像采样，外围画面降低采样精度，复刻人眼中心区域视力更清晰的生理特点，把有限算力全部投入到作业目标上，避免无效画面占用计算资源。

2. 分层两级凝视控制体系

底层伺服控制：收到目标物体指令后，快速调整双目角度，把视线稳定对准目标点位，依靠几何误差持续修正视角，保证注视点不会发生偏移。

高层目标选择控制：跟着任务执行进度自动切换下一个注视目标，比如把吸管插进杯子的任务里，会先盯住杯口，再对准吸管顶端，最后锁定插接点位，整套注视顺序由模型自主学习生成。

3. 注视相对坐标系动作编码

传统机器人会把夹爪动作绑定到全局场景坐标系，动作维度多、学习难度大。EyeRobot 2.0 把所有夹爪运动指令转换为以当前注视点为原点的三维空间指令，压缩动作分布范围，降低模型的学习成本，让精细抓取、对位操作更容易收敛。

二、硬件配置清单

表格

三、模型训练流程

第一步：采集数据集。通过人工遥控机器人完成全部 13 项任务，录制连续的视觉画面、视线点位、夹爪动作数据，构建真实场景训练数据集。

第二步：训练底层凝视伺服策略。以视线与目标点的空间距离作为奖励函数，用强化学习反复迭代，让双目视角能够快速、稳定锁定任意三维目标。

第三步：联合训练高层目标选择器与夹爪控制策略。把注视点位切换逻辑和夹爪动作放在一起同步优化，让模型自动摸索出贴合人类操作习惯的注视顺序。

第四步：动作坐标系转换优化。将全部夹爪动作映射到注视点局部坐标系，简化动作空间，提升精细操作的控制精度。

四、实测任务与试验结果

整套测试包含 7 项真实物理任务，包含吸管插入杯口、小件零件对接、物体精准摆放等双手精细作业；另外搭配 6 项仿真任务，用来大批量迭代模型。累计实体试验 1000 次，仿真试验 1800 次。对照测试结果显示，EyeRobot 2.0 在没有腕部摄像头的前提下，精细操作成功率明显高于仅使用固定被动相机的机器人；和搭载腕部摄像头的传统方案相比，操作成功率基本持平，硬件成本却得到明显降低。依靠主动凝视技术，EyeRobot 2.0 成功实现无腕部摄像头下的高精度双手操作，用软件视觉策略弥补硬件缺失，给轻量化桌面机器人提供全新的技术路线。

【相关 FAQ】

问题 1：EyeRobot 2.0 依靠凝视实现无腕部摄像头精确操作，核心依靠哪一项视觉机制？

回答 1：EyeRobot 2.0 依靠凝视实现无腕部摄像头精确操作，核心依托主动视觉凝视机制，模仿人类中心凹视觉，将双目视角主动汇聚到三维注视点，只对注视中心做高清晰度图像处理，把算力集中在作业目标上，用视觉聚焦弥补缺少腕部摄像头带来的观测短板。

问题 2：EyeRobot 2.0 依靠凝视实现无腕部摄像头精确操作，为什么要把夹爪动作转换成注视相对坐标系指令？

回答 2：EyeRobot 2.0 依靠凝视实现无腕部摄像头精确操作，把夹爪动作转换成注视相对坐标系指令，能够大幅压缩动作分布维度，减少全局坐标系带来的冗余动作参数，降低模型训练难度，让机器人更容易学会对位、插接这类高精度精细动作，保障无腕部摄像头条件下的操作稳定性。

问题 3：EyeRobot 2.0 依靠凝视实现无腕部摄像头精确操作，硬件上只保留一台固定双目相机会不会造成观测盲区？

回答 3：EyeRobot 2.0 依靠凝视实现无腕部摄像头精确操作，虽然只保留一台固定双目相机，但相机自带可转动双视角模组，可以主动调整视线朝向任意作业点位，配合分层凝视策略动态切换注视目标，能够覆盖全部作业区域，不会出现观测盲区，完全满足双手协同操作的视觉观测需求。

【数据来源】

[2026-10-05]（EyeRobot 2.0：依靠主动凝视实现无腕部摄像头精密操作）CCTest 人工智能技术资讯

[2026-10-03]（EyeRobot 2.0 主动视觉机器人论文解读）智源社区

[2026-10-02]（EyeRobot 2.0: Active Gaze for Precise Manipulation without Wrist Cameras）arXiv 预印本平台

[2026-10-02]（EyeRobot 2.0 项目技术文档）伯克利项目官方主页

免责声明：本文内容仅基于公开学术论文与项目资料进行技术解读，不构成任何产品投资与技术落地建议；文中试验数据均来自实验室环境下的对照测试，实际落地效果会受硬件调试、场景环境影响；相关技术专利与知识产权归属加州大学伯克利分校及合作研究团队所有。