#科技[超话]#我国科研团队突破机器人算法瓶颈，提出全球首个“力位混合控制算法统一理论”

近日，我国科研团队在机器人算法领域取得重大突破，成功提出全球首个“力位混合控制算法的统一理论”，其相关研究论文更斩获国际机器人学习大会杰出论文奖——这是该奖项设立以来，首次由全中国籍学者团队摘得这一国际殊荣。

当前，广泛应用的视觉-语言-动作模型（VLA）在应对现实中的复杂接触类任务时，常因无法精准感知“用力大小”而“力不从心”。例如擦黑板需机械臂贴合表面且保持适当压力、开关柜门需感知内部推拉弹簧结构，这类任务不仅要求机器人精准控制“位置”，更需理解“力度”。此前，这类需求需依赖力传感器实现，而此次提出的统一算法打破了这一限制。

该算法名为UniFP（Unified Force and Position Control Policy），是足式机器人领域首个能在单一框架下统一处理力与位置控制的算法，核心灵感源自阻抗控制（将机器人与环境的交互视作弹簧–阻尼–质量系统）。其关键突破在于：无需依赖力传感器，通过强化学习训练策略，从机器人历史状态与动作信息中“估计”合外力；同时忽略低速场景下的速度和加速度项，将期望位置、位置指令、力指令及外部接触力整合进同一公式，让机器人既能精准跟随轨迹，又能根据接触情况自动调节力度，不再“机械走路径”，而是主动感知环境、回应交互。

在性能上，该算法显著优于传统位置控制策略：在四项接触丰富的操作任务中，任务成功率较仅用位置控制的策略提升约39.5%。

科研团队在 Unitree B2-Z1 四足操控平台与 Unitree G1 人形机器人上开展了七项实验，验证了算法的实用性：

- 擦黑板任务：传统位置控制要么擦不干净、要么用力过大，而 UniFP 能稳定保持接触压力，实现彻底清洁；
- 开关柜门任务：视觉方法无法识别微小推拉弹簧，UniFP 借助力估计器精准触发开关；
- 遮挡抽屉任务：传统基线方法成功率骤降至 0.3，UniFP 借力感知将成功率提升至 0.76。

这项突破不仅降低了机器人系统对力传感器的依赖成本，更大幅提升了机器人在复杂环境下的适应能力，为更流畅的人机协同、更广泛的机器人应用场景拓展奠定了核心技术基础。#科技# http://t.cn/AXwif6DV