双臂协调对于许多现实世界的操作任务至关重要，但学习双臂机器人策略受到双臂机器人及其数据集稀缺的限制。相比之下，单臂机器人在研究实验室中广泛可用。能否利用单臂机器人来训练双臂机器人策略？来自 arXiv 的论文《MonoDuo: Using One Robot Arm to Learn Bimanual Policies》提出了一种名为 MonoDuo 的框架，旨在利用单臂机器人演示与人类协作来学习双臂操作策略。该论文已被 2026 年 IEEE 国际机器人与自动化会议（ICRA）接收，会议将于 2026 年 6 月 1 日至 5 日在奥地利维也纳举行。
MonoDuo 的数据收集方式独具匠心：通过远程操作单臂机器人执行双臂任务的一侧，同时由人类执行另一侧，然后交换角色以覆盖两侧。这样，系统能够从单臂机器人的腕部相机和固定相机获取 RGB-D 观测数据。随后，利用先进的手部姿态估计、图像和点云分割以及修复技术，将这些观测数据增强为目标双臂机器人的合成演示。这些合成演示基于真实机器人的运动学，用于训练双臂策略。
研究团队在五项任务上评估了 MonoDuo：搬箱子、装背包、叠衣服、拉夹克拉链和递盘子。与仅依赖人类双臂视频的方法相比，MonoDuo 能够零样本部署到未见过的双臂机器人配置上，成功率最高达到 70%。此外，仅使用 25 个目标机器人演示进行少样本微调，就能比从头训练提升 65-70% 的成功率。这证明了 MonoDuo 在高效地将单臂机器人数据中的知识迁移到双臂机器人策略方面的有效性。
该论文由 Sandeep Bajamahal 等六位作者共同完成，提交于 2026 年 5 月 28 日，属于机器人学（cs.RO）领域。MonoDuo 的意义在于，它提供了一种实用途径，利用实验室中普遍存在的单臂机器人来克服双臂数据稀缺的瓶颈，从而推动双臂操作策略的学习与应用。