TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4
作者: Guangrui Shen, Zhili He, Shigang Wang, Yuanjun Sun, Qing Yu
分类: cs.RO
发布日期: 2026-08-11
💡 一句话要点
提出TCAM框架以解决自主变形操控问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自主操控 变形操控 TCAM框架 机器人技术 多模态感知 数据驱动优化 3D打印夹具 物理交互
📋 核心要点
- 现有的变形操控方法在处理复杂物理交互时面临挑战，难以实现完全自主的操作。
- 本研究提出了一种基于TCAM框架的自主操控系统，旨在通过多模态感知和数据驱动的策略优化，简化操控过程。
- 实验结果表明，系统在加载T恤的平均时间为23秒，且22件达到了所需的表面平滑度，成功获得比赛第一名。
📝 摘要（中文）
本技术报告描述了RMC2团队在WBCD 2026 Track 4变形操控挑战中的冠军解决方案。该任务要求机器人从一堆T恤中挑选一件，放置到印刷托盘上，并对齐领口与目标区域，同时平滑印刷区域。我们围绕TCAM（TermiBrain因果行动模型）框架构建了一个完全自主的系统，旨在通过硬件、感知、数据和学习的协同作用，降低物理交互的复杂性。定制的3D打印夹具提高了在双臂ARX X5平台上的抓取可靠性，四摄像头设置增强了任务级上下文和近距离观察。最终，我们的系统在比赛中以平均约23秒的速度成功加载了25件T恤，获得了Track 4的第一名。
🔬 方法详解
问题定义：本论文旨在解决自主变形操控中的复杂物理交互问题，现有方法在处理多层材料时往往效率低下，难以实现完全自主的操作。
核心思路：通过TCAM框架，结合硬件、感知、数据和学习的协同作用，降低物理交互的复杂性，从而实现更高效的操控。
技术框架：系统整体架构包括定制的3D打印夹具、四摄像头设置和TCAM闭环控制。夹具用于单层材料的抓取，摄像头用于任务上下文和近距离观察，TCAM则负责策略的优化与调整。
关键创新：最重要的创新在于TCAM框架的应用，它通过分析每个轨迹的物理因素，驱动数据收集和策略微调，显著提升了操控的自主性和准确性。
关键设计：系统采用了四摄像头配置，其中上方为鱼眼摄像头用于任务级上下文，底部为RGB摄像头用于近距离观察。策略输出为30步的末端执行器位移动作块，基于多视角VLA骨干网络进行优化。
🖼️ 关键图片
📊 实验亮点
在最终比赛中，系统以平均约23秒的速度成功加载了25件T恤，其中22件达到了所需的表面平滑度，表现优异，获得了Track 4的第一名，显示出TCAM框架在自主操控中的有效性。
🎯 应用场景
该研究的潜在应用领域包括自动化生产线、服装制造和机器人辅助操作等。通过提升机器人在复杂物理环境中的操控能力，能够显著提高生产效率和降低人工成本，具有广泛的实际价值和未来影响。
📄 摘要（原文）
This technical report describes the RMC2 Team's champion solution for the WBCD 2026 Track 4: Deformable Manipulation Challenge. The task requires a robot to pick a single T-shirt from a stack, load it onto a printing pallet, align the collar with a target area, and smooth the printing region, a sequence that involves single-layer separation, deformable transport, precise placement, and contact-rich surface adjustment. The competition strongly incentivizes fully autonomous execution, motivating the development of an autonomous solution. We built a fully autonomous system around the TCAM (TermiBrain Causal Action Model) framework, with the design principle that hardware, perception, data, and learning should jointly reduce the physical interaction complexity the policy must handle. A custom 3D-printed gripper designed for single-layer fabric separation improves picking reliability on a dual-arm ARX X5 platform. A wrist-centric four-camera setup pairs upper fisheye cameras for task-level context with lower RGB cameras for close-range gripper-cloth contact observation. We combine portable UMI-style demonstrations with real-robot demonstrations collected on the deployable platform to provide both broad manipulation priors and deployment-specific dynamics. TCAM ties these components into a closed loop: each trajectory is analyzed to identify the physical factors contributing to its outcome, driving targeted data recollection and policy fine-tuning. The policy outputs 30-step end-effector delta-pose action chunks from a multi-view VLA backbone. In the final competition, our system loaded 25 T-shirts at an average of approximately 23 seconds per attempt, with 22 achieving the required surface smoothness, securing first place in Track 4.