近日，我国科研团队在机器人算法领域取得重大突破，提出全球首个“力位混合控制算法的统一理论”。该算法无需依赖力传感器，就能让机器人同时学习位置与力的控制，相关任务成功率较只使用位置控制的策略提高了约39.5%。更值得关注的是，其相关论文目前已斩获国际机器人学习大会杰出论文奖，这也是该奖项设立以来，首次由全中国籍学者团队摘得。

　　在北京通用人工智能研究院的实验现场，一个搭载了这项新算法的四足机械犬，正有条不紊地执行擦白板的训练任务。科研人员借着这一实操场景，向记者解释了力位混合控制算法的核心原理与突出优势。

　　科研人员介绍，当前广泛应用的视觉-语言-动作模型（VLA），在应对现实生活中的诸多任务时，往往会显得“力不从心”，核心问题就在于这些任务大多涉及复杂的接触场景。比如，擦黑板时，机械臂必须既贴合表面又保持适当的压力；开关柜门，需精准感知内部的推拉弹簧结构。机器人需要的不仅是“走到哪里”“手伸到哪里”，还需要理解“该用多大的力”。而在没有力位混合控制算法前，这些都需要通过力传感器来解决。

　　人机协同更流畅拓展多元应用场景

　　随着力位混合控制算法的深度应用，机器人不仅可以在没有力传感器的条件下，实现位置跟踪、施力、力跟踪以及柔顺交互等多种操作行为，大幅提升了任务成功率，更在人机协同安全性上取得了重要突破，为未来机器人应用场景的拓展奠定了基础。

　　依托这一创新算法，机器人的能力边界正在持续拓宽。它不仅能精准完成轨迹执行、施力等基础操作，更能在感受到外力时，及时对这一外力做出相应的反应。而这一特性，也恰好提升了人机交互过程中的人员安全性。

　　除了提升安全性，这一算法还显著增强了人机协作的协调性。在共同搬箱子、推车等场景中，机器人能与人类保持动作同步。人类加速时它随之加速，人类停下时它迅速停下，过程中可根据人的不同运动状态进行实时调整。同时，该算法还具备良好的泛化能力，即便更换不同类型的机器人，依然能够稳定应用。