从“感知”到“决策”：Hello Robot Stretch3展示具身智能平台级能力，助力机器人理解隐藏空间与物理约束

在日常生活中，您是否曾为找不到遥控器、钥匙或是一瓶水而烦恼？这类对人类颇具挑战的任务，对家庭服务机器人来说同样困难重重。传统机器人在动态环境中常因物体位置变化、隐藏空间检索效率低等问题，难以应对物品被移动或隐藏的复杂家庭场景。

如今，这一难题迎来重要突破！德国波恩大学研究团队基于Hello Robot移动操作机器人Stretch3，成功开发出一套名为Stretch-Compose的智能系统。该系统如同为机器人装上了“智慧大脑”，融合空间记忆、语义理解与几何推理能力，使机器人能够像人一样“分析”与“判断”，高效地在动态、杂乱甚至隐藏空间（如抽屉、柜子）中搜寻目标物体。

当用户发出“我的网球在哪？”的指令后，Hello Robot Stretch3首先会前往网球最后出现的位置进行搜寻（空间推理）。若未找到，系统启动“语义推理”，询问内置大语言模型“网球最可能放在客厅的哪个家具上？”，从而锁定潜在区域。

若目标仍未被发现，Hello Robot机器人将进一步启动“几何约束推理”，判断物品是否被收纳入隐藏空间。该系统能智能排除不合理的容器（如网球不可能塞入铅笔盒），直接锁定可行抽屉并进行开柜检查。

在44次真实场景测试中，Stretch3机器人展现出卓越性能：导航与开放空间检测成功率达100%，语义推理准确率高达97.7%，多视角整合技术对隐藏物体的检出率达到80%。尤为重要的是，通过几何约束推理，隐藏空间搜索时间从平均412秒降至129秒，效率提升68%。

该成果不仅验证了Hello Robot 移动操作机器人在开放词汇物体检索、动态场景图更新和移动操作方面的顶尖能力，更凸显其作为具身智能科研平台的重要价值，在养老助残、智能仓储、新零售等场景中具备广泛应用潜力。

素材来源：

德国波恩大学《Stretch-Compose: Compositional Reasoning for Open-Vocabulary Object Retrieval in Dynamic Environments》