- 现有**VR遥操作(VR teleoperation)** 研究多用于机器人**模仿学习(imitation learning)** 的数据收集工具，未明确处理动态障碍物、工作空间变化或碰撞风险
- 实际部署中，遥操作必须**低延迟(low latency)** 应对动态环境，并对**不熟练操作员(inexperienced operator)** 的错误保持鲁棒
- 研究背景是危险环境中人类难以直接进入，需要安全、非接触的任务执行，而现有VR遥操作框架缺乏对实时碰撞避免的支持
- 提出一个**基于VR的实时遥操作框架(VR-based real-time teleoperation framework)**，集成**GPU加速逆运动学(GPU-accelerated inverse kinematics)** 和**轨迹优化(trajectory optimization)**
- 在VR界面中，每个控制周期内生成满足机器人约束的**可行关节命令(feasible joint commands)**
- 方法同时处理**静态障碍物(static obstacles)** 和**动态障碍物(moving obstacles)** 的碰撞，实现碰撞感知运动生成
- 使用7自由度(7-DoF)机械臂进行实验，在无障碍、静态障碍、动态障碍三种场景验证
- **首创实时碰撞感知集成**：首次将GPU加速逆运动学与轨迹优化融入VR遥操作框架，在动态环境中实时处理碰撞
- **低延迟在线行为**：与传统数据收集工具不同，该方法在每个控制周期直接生成可行关节命令，满足实时操作需求
- **对操作员错误的鲁棒性**：当操作员命令路径被障碍物干扰时，框架自主生成**安全绕行路径(safe detours)**，同时保持运动一致性
- **同时支持静动态障碍**：不同于仅处理静态障碍的现有工作，该方法能应对**移动障碍物(moving obstacles)** 的工作空间变化
- 为**VR遥操作(VR teleoperation)** 领域提供了一种支持实时动态碰撞避免的完整框架，适用于危险环境中的实际部署
- 通过三种场景的实验（无障碍、静态障碍、动态障碍）验证了框架的**稳定在线行为(stable online behavior)** 和**碰撞感知运动生成(collision-aware motion generation)**
- 在保持与操作员命令一致性的前提下，实现了安全绕行，提升了**操作员安全(operator safety)** 和**系统鲁棒性(system robustness)**
- 推动了VR遥操作从数据收集工具向**实用化远程操控系统** 的转变，为未来机器人遥操作的发展提供了新范式