B样条策略（BSP）用平滑连续的曲线（即B样条）取代了大多数机器人控制策略中使用的锯齿状拼接动作块。这一简单的转变使机器人能够显著更快地完成操作任务，同时保持甚至提高成功率——且无需更快的硬件。
目录
研究者构建了什么
麻省理工学院和清华大学的研究团队为视觉运动操作策略开发了一种新的动作表示方法，称为B样条策略。与预测离散动作块（例如，固定长度的关节位置序列）并在推理时拼接这些块不同，BSP将整个动作序列参数化为一条连续的B样条曲线。
B样条是计算机图形学和CAD中广泛使用的分段多项式曲线。通过将机器人运动表示为B样条，策略输出一组定义时间窗口内平滑连续轨迹的控制点。在执行过程中，机器人以更高的内部频率运行动作流，沿曲线插值，而不是在离散时间步之间跳跃。
研究团队还引入了一种推理时段对齐机制，可平滑地混合连续的B样条段，消除了拼接块时导致抖动运动的边界不连续性。这种对齐对于高速执行至关重要，因为即使微小的跳跃也可能使机器人不稳定或导致任务失败。
BSP在五个模拟和三个真实世界的操作任务中进行了测试，包括拾放、堆叠、插销和快速堆叠。它与ACT（动作分块变换器）和扩散策略等标准基线进行了比较。
关键结果
- 任务完成更快：与ACT和扩散策略相比，BSP在模拟基准测试中将平均任务完成时间减少了20%–40%，同时保持或提高了成功率。
- 中等加速下鲁棒性不变：在2倍加速下，BSP在大多数任务中保持90%以上的成功率。在3倍加速下，成功率仅略有下降。
- 极端加速的折衷：在4倍加速下，快速堆叠任务的成功率降至0%，归因于低成本机械臂底层控制器的物理限制，而非BSP表示本身。
- 平滑度提升：与分块基线相比，BSP轨迹的加加速度（加速度变化率）显著降低，减少了机械磨损和振动。
真实世界实验——使用低成本机械臂执行堆叠杯子和插入销钉等任务——表明，与基线分块方法相比，BSP允许完成时间大约快1.5–2倍，且成功率没有损失。
工作原理
BSP将视觉运动控制重新表述为连续轨迹生成问题。核心思想是，机器人未来一段窗口长度T内的运动可以用一条d次、具有n个控制点的B样条曲线来描述。策略网络——通常是变换器或扩散模型——直接从视觉输入（如相机图像）预测这些控制点的位置，而不是预测动作块。
在推理时，机器人的控制器以更高频率（如100 Hz）对B样条进行采样，以产生平滑连续的关节指令。由于曲线处处可微（最高d次），因此产生的运动没有突然跳跃。
关键的技术挑战是处理段转换。当策略每T毫秒预测一个新的B样条段时，相邻段在边界处可能不完全对齐。为了解决这个问题，研究人员添加了一个轻量级的段对齐模块，该模块调整新段的控制点，以便新段开始时的位置、速度和加速度与前一端的结束端匹配。这种对齐只需几微秒，延迟可忽略不计。
| 方面 | 离散块（ACT） | B样条策略（BSP） |
|---|---|---|
| 动作表示 | 固定长度的关节值序列 | B样条控制点 |
| 时间分辨率 | 任务中均匀 | 连续，可变化 |
| 平滑度 | 块边界处不连续 | 处处平滑 |
| 推理加速 | 每个块需重新预测 | 可以更高的内部频率运行 |
| 边界拼接 | 简单拼接 | 对齐位置/速度/加速度 |
BSP公式与底层策略架构无关；研究人员使用变换器和扩散策略进行了演示，均取得了一致的改进。
为何对机器人技术重要
B样条策略直接解决了在实际速度下部署学习型操作策略的一个痛点。许多模仿学习策略产生抖动、犹豫的运动，迫使机器人缓慢移动以避免失败。通过平滑动作表示，BSP无需昂贵的硬件升级即可实现更快的循环时间。
对于仓库机器人和工业机械臂，这意味着在拾放、分拣和装配任务中实现更高吞吐量。更平滑的运动还能减少机械应力，可能延长关节和末端执行器的使用寿命。使用二手协作机器人或二手工业机器人的操作者可以从软件层面的速度提升中获益，而无需更换硬件。
对于人形机器人，平滑连续的控制对于自然 locomotion 和灵巧操作至关重要。BSP框架可以适应全身协调任务。探索在Robot Overflow上浏览人形机器人，查看可能集成此类策略的当前平台。
该方法还为以更高控制频率运行现有策略打开了大门——实质上是用更平滑的插值来换取预测频率——这对于计算有限的实时应用可能至关重要。
局限性与开放问题
将BSP加速到超过2–3倍揭示了低成本硬件的物理极限。在4倍速度下，预算型机械臂的底层控制器无法足够准确地跟踪指令，导致任务失败。作者指出，升级到刚度更高、带宽更大的控制器可能会解决这个问题。未来工作还可以探索基于任务难度的自适应速度缩放。
B样条表示引入了一个额外的超参数（控制点的数量和次数），可能需要针对每个任务进行调整。此外，该方法仅在短周期操作任务上验证；其在长周期、高接触力任务（如装配）中的有效性仍有待观察。
最后，段对齐机制虽然轻量，但增加了一点点计算开销。对于极高速控制器（例如1 kHz），即便是微秒也举足轻重。
常见问题
什么是B样条，为什么对机器人控制有用？ B样条是由少量控制点定义的平滑曲线。在机器人控制中，它可以紧凑地表示连续轨迹，避免离散动作块的抖动。
B样条策略是否适用于任何机器人学习模型？ 是的，BSP与模型无关。研究人员使用基于变换器的ACT和扩散策略进行了测试，在不改变底层架构的情况下，速度和平滑度均得到提升。
使用B样条策略，机器人能移动多快？ 在实验中，与标准分块基线相比，BSP将任务完成时间减少了20%–40%，同时保持或提高了成功率。
在极高速下会怎样——性能会下降吗？ 在4倍加速下，一个任务（快速堆叠）由于机械臂底层控制器的限制完全失败，而非BSP算法的问题。2–3倍的中等加速保持了高成功率。
结论
B样条策略提供了一种简单而有效的方法，通过用连续的B样条曲线取代锯齿状的动作块，使学习型机器人操作策略显著更快更平滑。该方法与当前的模仿学习模型兼容，可能有助于将学习型操作推向接近生产就绪的循环时间。
一条平滑的轨迹是否是模仿学习与工业速度之间缺失的一环？