北京大学与北京智源人工智能研究院等机构联合研发的“Code-as-Monitor”技术，为机器人故障检测领域带来了突破性进展。这项研究通过将复杂任务转化为几何约束检查问题，使机器人能够像经验丰富的厨师一样，在问题发生前主动预防，或在意外发生后快速应对。其核心创新在于将视觉场景抽象为数学关系，通过代码实时监督操作过程，显著提升了机器人在动态环境中的可靠性和效率。
传统机器人故障检测依赖视觉识别，如同厨师只能在菜烧糊后才发现火候问题。而新方法通过几何抽象，将任务分解为点、线、面的位置关系约束。例如，当机器人搬运平底锅时，系统会实时检查锅体中心点是否水平、与目标位置的距离是否在安全范围内。这种“数学化”的监督方式，使机器人能提前感知锅体倾斜或龙虾跳出的风险，并在0.1秒内调整动作，避免事故发生。
研究团队提出的“主动-被动双重检测机制”是技术关键。主动检测如同厨师预判锅体倾斜，通过实时计算几何关系预防错误；被动检测则像处理洒落的食物，在意外发生后快速识别问题并修正。实验数据显示，在搬运龙虾、躲避障碍等复杂场景中，新方法使机器人任务成功率提升28.7%，执行时间缩短31.8%。这一突破得益于约束感知分割模型“ConSeg”，它能自动识别任务关键物体，将其转化为几何元素供代码监督。
该技术的通用性通过“餐厅运作”类比得以清晰展现：约束生成器制定任务规则，约束描绘器提取几何特征，约束监督器实时检查执行情况。这种模块化设计使系统能适配不同机器人平台。在工业机械臂、移动机器人和灵巧手系统的测试中，系统均表现出色。例如，在清理桌面任务中，机器人能理解“保留动物模型、按动物与水果距离抓取”的抽象指令，并在物品被移动时动态调整策略，而传统开环控制机器人在此类任务中几乎全部失败。
研究团队构建的约束感知分割数据集为技术落地提供了支撑。该数据集包含10万帧机器人操作数据，标注了物体级和部件级几何关系，可用于训练能理解任务约束的视觉模型。数据集的独特之处在于将操作轨迹转换为帧级约束标注，使模型能学习“抓取工具时手指应与手柄垂直”等隐性规则。这种数据驱动的方式，使系统无需人工编程即可适应新任务。
在计算效率方面，新方法通过“一次生成代码、多次实时检查”的机制，将计算开销降低80%。相比传统方法每秒需调用视觉模型30次，新系统仅需在任务开始时生成约束代码，后续通过矩阵运算实现毫秒级监督。这种优化使系统能在树莓派等低算力平台运行，为家用机器人商业化铺平道路。
实际应用测试中，系统展现了强大的自适应能力。在仓库分拣场景中，机器人能根据“易碎品需轻放”的约束，自动调整抓取力度；在家庭服务场景中，面对未见过的新型家具，系统仍能通过几何关系判断其稳定性。这种开放性源于几何抽象的通用性——无论物体形状如何变化，点、线、面的位置关系始终是可计算的。
技术模块化设计进一步提升了扩展性。约束生成器可接入自然语言处理模型，使用户通过语音下达任务；约束描绘器能融合多模态传感器数据，提升复杂场景下的几何感知能力；约束监督器则支持动态更新约束条件，适应任务变化。研究团队已验证，将激光雷达数据融入几何约束后，机器人在黑暗环境中的操作精度提升40%。
这项研究正推动机器人技术从实验室走向实际应用。在医疗辅助场景中，配备该系统的机械臂能精准执行手术器械传递任务，并在医生手部抖动时主动补偿；在农业领域，采摘机器人能通过果实与枝干的几何关系判断成熟度，避免损伤植株。随着约束感知技术的成熟，未来三年内，具备自主故障处理能力的商用机器人有望进入家庭和工业场景。
