【来源：JOJO极智算法微信公众号】

近日，机器人学习顶会CoRL 2025公布了本届的最佳论文奖（Best Paper Award）。由北京通用人工智能研究院（通研院）、宇树科技（Unitree）和北京邮电大学的华人团队带来的研究成果“Learning a Unified Policy for Position and Force Control in Legged Loco-Manipulation”获此殊荣。

该研究直面机器人物理交互的核心难题，提出了首个无需外部力传感器，即可实现足式机器人力与位置统一控制的通用策略（Unified Force-Position Policy, UniFP）。这一突破性框架让机器人仅凭自身的运动状态就能“感知”并与环境进行复杂的物理交互，并在多个真实世界任务中取得了惊人的效果。

图1：我们为足式机器人提出了一个统一的力—位置策略，它能够实现多样的移动操作行为，包括位置跟踪、施加力以及柔顺交互（上图）。当用于模仿学习数据收集时，该策略学习到的内部力估算器能提供力感知演示，从而在无需外部力传感器的情况下，提升模型在富含接触任务中的性能（中图）。在四足和人形机器人上的实验结果证明了该策略的通用性和鲁棒性（下图）。

1. 机器人交互的“硬骨头”：力与位置的协同难题

长期以来，让机器人在现实世界中完成擦拭、开门、搬运等任务，一直面临着一个核心挑战：如何协同控制力与位置。

传统方法的局限：传统的机器人控制方法通常依赖精确的位置控制，但在需要与环境发生持续接触的任务中（如擦拭黑板），这种方法远远不够。机器人无法感知接触力，要么“用力”过猛损坏物体，要么接触不到位导致任务失败。

硬件的束缚：为了解决这个问题，一种方案是安装昂贵且易于损坏的力/力矩传感器。这不仅大大增加了机器人的成本和复杂性，也降低了其在现实环境中应用的鲁棒性。

模仿学习的瓶颈：近年来流行的模仿学习方法，虽然能让机器人学会复杂技能，但由于缺乏力传感数据，收集到的演示数据大多只包含轨迹信息，丢失了最关键的“接触力道”。这导致学习出的策略在需要细腻力控制的场景中表现不佳。

如何摆脱硬件束缚，让机器人学会“察言观色”，智能地控制自己的“力道”，成为了具身智能领域一块难啃的“硬骨头”。

2. 核心解法：无需传感器的“统一力位策略”

该研究团队的思路是：既然人类可以不依赖皮肤上的精密仪器，仅凭肢体的反馈就能感知和控制力量，那么机器人是否也能做到？

答案是肯定的。他们通过强化学习，在Isaac Gym模拟器中训练出一个统一的力—位置控制策略。

巧妙的力估算器 (Estimator)：该策略的核心是一个巧妙的“力估算器”。它通过分析机器人自身的历史状态（如关节位置、速度、上一时刻的动作等），学习并预测出当前末端执行器和身体所受到的外部作用力。这相当于为机器人训练出了一个“软传感器”，用算法和数据弥补了硬件的缺失。

统一的控制框架：基于估算出的力，单一的策略模型就能统一处理多种复杂的任务指令。无论是精确的位置跟踪、施加特定的力，还是在“拔河”等人机交互中展现柔顺性，这个统一策略都能胜任。它通过一个统一的数学公式，将位置指令、力指令和外部干扰力整合在一起，动态计算出机器人下一步的目标位置或速度。

(a) 通过强化学习训练的统一力—位置策略架构，用于在外部干扰下跟踪位置和力指令。(b) 使用我们学习到的策略收集演示数据，赋能了无需力传感器的力感知模仿学习。(c) 在末端执行器和机器人基座上建模力交互的位置和速度补偿示意图。(d) 策略训练期间，用于模拟多样化接触场景的采样力指令和干扰的可视化。

3. 惊人成果：从模拟到现实的全面验证

该研究不仅提出了巧妙的理论，更通过一系列详尽的实验证明了其在模拟和真实世界中的强大能力。

A. 真实世界的精准力控

团队在真实的机器人上进行了直接的力控制测试。通过指令机器人施加从0N到60N不等的力，并使用测力计进行测量，结果显示，机器人的实际输出力与指令值的平均误差在10N以内，力估算器的误差也在5-10N之间，足以满足大多数操作任务的需求。

B. 赋能模仿学习，成功率飙升39.5%

这是本次研究最具影响力的成果之一。团队利用UniFP策略创建了一个力感知数据采集流程。在人类专家遥控机器人完成任务时，力估算器会同步记录下接触力数据。

在擦黑板、开/关柜门、以及视觉被遮挡时开抽屉这四个极具挑战性的真实任务中，使用这种包含力信息的“高质量”数据训练出的模仿学习模型，相比仅使用位置信息的传统方法，平均成功率惊人地提升了约39.5% 。

擦黑板：无力信息的策略无法稳定接触，而力感知策略能持续施加恰当的压力，高效完成任务。

开柜门：对于需要精准按压才能触发的“反弹式”柜门，视觉难以判断，但力感知能精确完成触发动作。 遮挡开抽屉：当视觉被遮挡时，传统方法成功率骤降至30%，而力感知策略凭借接触反馈，将成功率提升至76%。

(a)在擦黑板任务中，力感知模仿策略输出的位置和力指令的时间序列图。(b)数据采集过程可视化。(c)在四个任务上，我们的策略（橙色）与仅依赖视觉的基线策略（蓝色）在50次试验中的性能对比。

C. 强大的通用性：跨越平台与任务

UniFP策略的强大之处还在于其通用性。

跨平台验证：该研究在两种形态和结构差异巨大的机器人——Unitree B2-Z1 四足机械臂和Unitree G1 人形机器人——上都进行了验证并取得了成功。

多技能展示：仅用一个策略，机器人就学会了多种高级技能。例如，四足机器人能通过施加25N的力来举起2.5kg的重物；在被推搡时，机器人能柔顺地后退（力跟踪）；在“拔河”中，它能根据拉力调整全身姿态（阻抗控制）。

(a)力控制：机器人在接收到25N的力指令后，能抵消重力以支撑负载物。(b)基座力跟踪：机器人对基座的推力做出柔顺反应，实现了直观的人类引导。(c)力跟踪：机器人通过最小化外部力交互来跟踪一个零力指令。(d)阻抗控制：机器人调整其全身姿态以对抗和顺从外部干扰。

4.不止于“力”：为具身智能开启的新可能

这项荣获CoRL'25最佳论文奖的研究，通过一种创新的“软硬件解耦”思路，为机器人领域提供了一个通用、低成本且高效的力位混合控制框架。它不仅让机器人能够在没有力传感器的情况下与世界进行更智能、更安全的物理交互，还为模仿学习的数据采集开辟了新范式，解决了该领域的长期痛点。 尽管研究团队也指出，该方法在高频交互和工作空间边缘的力估算精度仍有提升空间，但这无疑是通向更强大、更通用的具身智能道路上迈出的坚实一步。

论文信息

论文标题： Learning a Unified Policy for Position and Force Control in Legged Loco-Manipulation

作者：Peiyuan Zhi, Peiyang Li, Jianqin Yin, Baoxiong Jia, Siyuan Huang

单位：北京通用人工智能研究院(BIGAI)，宇树科技(Unitree Robotics)，北京邮电大学

论文链接： https://arxiv.org/abs/2505.20829v2

项目主页：https://unified-force.github.io/