[RO]《Prompt-to-Product: Generative Assembly via Bimanual Manipulation》R Liu, P Huang, A Pun, K Deng... [CMU] (2025)
Prompt-to-Product：从文本提示到实体拼装的自动化流程，革新了复杂组件组装的设计与制造。
• 利用LEGO积木作为模块化装配平台，结合BrickGPT与BrickMatic两大核心系统，实现从自然语言设计需求到物理拼装产品的完整闭环。
• BrickGPT基于大语言模型，结合物理约束的细粒度编码与基于文本的积木布局生成，确保设计不仅语义匹配且物理可构建。
• 物理可行性通过精细的静态力学平衡非线性规划评估，动态稳定性辅助指导机器人装配步骤，避免结构塌陷。
• BrickMatic采用双臂机器人系统配备Eye-in-Finger（EiF）定制夹具及多模态感知技能，实现高效、稳健的长程复杂积木操作与协作组装。
• 多层次推理框架规划装配序列，结合动态任务分配、运动规划与并行执行计划（TPG），提升操作效率与鲁棒性。
• 用户研究显示，Prompt-to-Product显著降低手动设计与装配的人力与专业门槛，增强创意实现的可及性。用户更倾向于多件产品使用机器人装配，单件产品则偏好手工体验。
• 系统局限于积木组件且对非积木元素支持有限，未来将扩展至更多元材料及复杂结构，进一步提升生成设计的多样性和精细度。
心得：
1. 集成物理力学推理于设计与构建全流程，突破传统仿真工具在模块化装配稳定性评估的瓶颈，保证设计与执行的一致性和现实可行性。
2. 双臂机器人结合高精度视觉反馈与多样化技能策略，是实现复杂长程装配任务自动化的关键，远超单臂或简单规则系统的能力。
3. 端到端文本驱动设计生成与物理装配的协同，极大降低了用户从抽象概念到实体产品的转换门槛，推动了设计创意与制造的无缝衔接。
了解详情🔗arxiv.org/abs/2508.21063
机器人生成式设计自然语言处理物理推理智能制造双臂机器人积木拼装
