中国科研团队推出全球首个“力位混合控制算法”，机器人操作效率提升近40%

据央视新闻报道，近日，中国的科研团队在机器人算法领域取得了重大突破，提出了全球首个“力位混合控制算法的统一理论”。这一创新算法无需依赖力传感器，即可让机器人同时学习位置与力的控制，相关任务的成功率较仅使用位置控制的策略提高了约39.5%。

这一突破性研究的相关论文已获得国际机器人学习大会的杰出论文奖，这也是该奖项设立以来，首次由全中国籍学者团队获得。科研人员指出，目前广泛应用的视觉-语言-动作模型（VLA）在应对现实生活中的许多任务时常常显得力不从心，其核心问题在于这些任务大多涉及复杂的接触场景。

力位混合控制算法的创新

比如在擦黑板时，机械臂必须既贴合表面又保持适当的压力；在开关柜门时，需要精准感知内部的推拉弹簧结构。机器人不仅需要知道“走到哪里”“手伸到哪里”，还需要理解“该用多大的力”。在没有力位混合控制算法之前，这些问题通常需要通过力传感器来解决。

通研院提出的首个统一的力位混合控制算法，能够在无需力传感器的条件下，同时学习位置与力的控制。该研究通过强化学习，训练策略从机器人的历史状态中估计力，并借助位置与速度调整进行补偿，从而模拟多种位置、力指令及外部扰动。

“该策略可实现位置跟踪、施力、力跟踪和柔顺交互等多种操作行为。”

UniFP算法的核心理念

本研究提出了UniFP（Unified Force and Position Control Policy），这是足式机器人第一个能够在单一框架下统一处理力与位置的控制算法。其核心灵感来自阻抗控制。阻抗控制的思想是将机器人末端执行器与环境之间的交互视作一个弹簧–阻尼–质量系统，通过控制偏差来同时调节位置与力。

在UniFP中，只考虑末端执行器低速移动的问题，忽略速度和加速度项，将期望的位置、位置指令和力指令、外部的接触力统一写进了一个公式，使策略既能完成轨迹跟随，又能根据接触情况自动调节。同时，通过一个力估计器，利用机器人历史状态信息和动作信息估计出受到的合外力。

“机器人不再是‘机械地走完路径’，而是能够感知并主动对环境施加力，回应环境。”

实验验证与应用前景

该研究在Unitree B2-Z1四足操控平台和Unitree G1人形机器人上开展了七项实验任务。在擦黑板任务中，位置控制的策略要么擦不干净，要么用力过大，而UniFP能保持稳定的接触压力，把黑板彻底擦干净。在开关柜门任务中，视觉方法根本无法识别微小的推拉式弹簧，而UniFP通过力估计器准确地触发开关。

“在抽屉被遮挡的场景下，基线方法成功率急剧下降到0.3，而UniFP借助力感知将成功率提升到0.76。”

这一研究的突破性进展不仅在学术界引起了广泛关注，也为未来机器人在复杂环境中的应用提供了新的可能性。随着技术的进一步发展，力位混合控制算法有望在更多领域得到应用，从而提升机器人的智能化水平和操作效率。

论文地址: https://arxiv.org/pdf/2505.20829

项目地址: https://unified-force.github.io/

主要作者: 通研院研究员智佩渊、通研院-北京邮电大学“通计划”24级联培博士生李佩洋

通讯作者: 通研院研究员贾宝雄、通研院具身机器人中心主任黄思远