💻 computer science

PRISM: Polynomial Representations for Interaction-Structured Motor Control

该论文介绍了 PRISM，一种基于多项式的策略表示方法，它通过显式建模物理变量之间的交互结构，在机器人运动控制和操作任务中实现了优于标准 MLP 的卓越性能，同时能够在不需要显式力或接触输入的情况下实现无传感器的顺应性行为。

原作者： Seung Hyun Lee, Stella X. Yu

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Seung Hyun Lee, Stella X. Yu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

移动机器人的秘密语言

想象一下，你正在试图教一个机器人走路或捡起一个脆弱的蛋。在机器人领域，这通常是通过给机器人一个由标准类型的计算机程序（称为神经网络）构成的“大脑”来实现的。把这个大脑想象成一个非常聪明但有点过于死板的学生。它观察机器人的传感器所看到的信息——比如“我的左腿处于这个角度”或“我的手臂正以这个速度移动”——然后决定下一步该做什么。

长期以来，科学家们一直认为，如果你只是把这个学生的脑容量变大，并给它更多的记忆（更多的“参数”），它最终就能学会如何完美地运动。其核心理念是，一个足够大的大脑可以学会任何技巧，无论多么复杂。然而，这里有一个陷阱。现实世界不仅仅是一系列独立的实事，它是一个关系的网络。例如，一条移动着的腿的力量，不仅仅取决于它的速度，还取决于速度与肌肉推力之间的乘积。这些“乘法”关系正是让运动得以实现的隐藏物理机制。如果机器人的大脑只是一项一项地观察事实，它就必须极其费力地去猜测这些事实是如何相互结合的。这篇论文提出了一个简单的问题：如果我们直接教机器人的大脑理解这些关系，而不是仅仅把大脑做大，会怎样呢？

论文的核心思想：PRISM

来自密歇根大学的这项研究背后的研究人员引入了一种构建机器人大脑的新方法，称为 PRISM（用于交互结构化运动控制的多项式表示法）。PRISM 不再强迫一个标准的、庞大的大脑去猜测物理变量是如何相互作用的，而是给了机器人一个特殊的“交互模块”。

把标准的机器人大脑想象成一位厨师，他得到了一份食材清单（位置、速度、指令），然后必须猜出制作完美菜肴的食谱。如果这道菜需要以特定方式混合食材（比如小苏打与醋的反应），这位厨师就必须通过品尝数百万个失败的蛋糕来从头摸索这种反应。PRISM 则像是给了那位厨师一个预先混合好的“反应工具包”。它不仅列出了食材，还明确展示了它们如何结合。它获取机器人的观测数据，并立即计算出这些观测值的“乘积”——比如速度乘以力——从而让机器人能够立刻洞察隐藏的物理规律。

团队在两个截然不同的世界中测试了这个想法：

行走机器人： 他们在一个名为 Humanoid-Gym 的模拟器中测试了一个类人机器人。该机器人仅利用自身的内部传感器（本体感觉）来保持平衡并向前行走，无需摄像头或压力传感器。
机械臂： 他们在 LIBERO 环境中测试了一个机械臂，机器人需要完成诸如转动炉灶旋钮或堆叠积木之类的任务。这些任务需要“顺应性”（compliance），这意味着机器人在接触物体时需要表现得柔软且轻柔，而不是猛烈撞击。

研究发现

结果非常清晰。在行走测试中，PRISM 机器人不仅走得更好，而且走得更“聪明”。它能站立得更久（其生存率从标准机器人的 51.00% 提升到了 92.50%），并且在跟随行走指令时晃动极小。

这里是最重要的一点：研究人员将 PRISM 与一个为了拥有完全相同的计算能力而做得更大的标准机器人大脑进行了对比。尽管那个“大容量大脑”拥有同样多的参数，但它仍然无法赶上。标准机器人要么摔倒，要么偏离航线，而 PRISM 则保持稳定。这表明，仅仅把机器人的大脑做大并不是答案；赋予它理解其运动如何相互作用的正确“结构”才是关键。

在机械臂测试中，PRks 展示了一种被称为“无传感器顺应性”的神奇能力。通常情况下，机器人为了表现得轻柔，需要专门的传感器来感知它施加了多大的力。而 PRISM 并没有这些传感器。然而，当它接触到一个重物时，它会自然地减速并顺应物体，就像人类的手一样。它避免了导致其他机器人崩溃或掉落物品的“硬冲击”。它在任务中的成功率达到了 91.0%，击败了标准机器人以及专门为实现轻柔动作而设计的复杂控制器。

为什么这很重要

作者指出，PRISM 之所以有效，是因为它停止了机器人去“猜测”世界的物理规律。通过使变量之间的交互（如速度和扭矩）变得显性且可学习，机器人甚至可以在没有力传感器的情况下，自主发现诸如“滑动”或“冲击”等现象。

然而，论文也谨慎地指出，这并不是解决所有问题的万灵药。该系统在机器人拥有关于自身身体和运动的良好数据时效果最好。如果机器人缺失了关键信息——比如看不见障碍物或不知道物体的重量——PRISM 也无法解决问题。此外，这些测试依赖于模拟环境，因此虽然结果令人振奋，但目前仅在数字世界中得到了证实。

最终，论文认为多项式表示法（能够显式处理这些交互的数学方法）应该成为构建机器人的标准工具。这是一个从“让我们把大脑做大”到“让我们让大脑理解世界运作方式”的转变。正如作者所言，交互的结构与网络的规模同样重要。

技术摘要：PRISM —— 用于交互结构化运动控制的多项式表示法

1. 问题陈述

标准的机器人策略通常实现为多层感知器（MLP），将观测值（关节位置、速度、指令等）直接映射到动作。虽然 MLP 在理论上可以逼近复杂函数，但它们将输入视为一阶变量。然而，支配机器人行为的许多关键物理量——例如关节功率、惯性效应、滑动、接触冲量和顺应性——都源于观测变量之间的乘法交互作用（乘积）。

在标准 MLP 中，这些交互线索处于隐性状态。网络必须从数据中隐式地发现这些关系，这通常需要过高的容量来逼近本质上是二阶或更高阶关系的物理过程。仅仅增加参数数量（模型容量）并不能改变输入基底；它会让策略缺乏与底层物理规律对齐的显式“交互基底”。此外，在接触丰富的任务中实现顺应行为，通常需要显式的力传感器、力矩输入或专门的导纳控制器，而这些在传感器极简的部署场景中往往是无法获取的。

2. 方法论：PRISM

作者引入了 PRISM（Polynomial Representations for Interaction-Structured Motor Control，用于交互结构化运动控制的多项式表示法），这是一种使物理变量之间的多项式交互变得显式、可学习且紧凑的策略表示法。

核心架构

PRISM 使用一个因子化多项式模块取代了标准的前向线性调节路径。PRISM 并没有显式地枚举所有单项式项（因为这在计算上效率极低），而是使用学习到的投影来形成紧凑的潜在因子。

给定一个本体感受输入向量 $x_t$ ，PRISM 计算两个学习到的仿射因子：
$u_t = W_1 x_t + b_1$
$v_t = W_2 x_t + b_2$

二阶表示构建如下：
$\psi_2(x_t) = u_t \odot (1 + \alpha_2 \odot v_t) = u_t + \alpha_2 \odot (u_t \odot v_t)$
其中 $\odot$ 表示逐元素乘法， $\alpha_2$ 是初始化在零附近的学习参数。这种设计允许策略在足够时保留线性特征，同时学习在有益处时加强二次方交互。

该框架递归地扩展到 $K$ 次方：
$\psi_k(x_t) = \psi_{k-1}(x_t) \odot [1 + \alpha_k \odot (W_k x_t + b_k)]$
这在不进行显式展开的情况下，保留了所有低阶路径，同时增加了高阶交互项。

集成到学习范式中

强化学习 (RL)： PRISM 通过在进入标准 MLP 主干之前，对部署可用的本体感受状态应用多项式模块来增强 Actor 网络。其动作空间、奖励函数和底层控制器保持不变。
模仿学习 (IL)： 在扩散策略（Diffusion Policies）中，PRISM 将标准的线性本体感受调节层替换为多项式交互层。该层与视觉和语言特征一起进行端到端训练，以进行动作预测。

至关重要的是，PRISM 在部署期间不需要额外的传感器（力、触觉、力矩）以及没有特权物理输入（接触标签、地形摩擦力）。

3. 核心贡献

识别局限性： 本文指出默认的 MLP 策略仅接收一阶物理变量，未能显式表示控制所需的乘法交互（例如，扭矩 $\times$ 速度产生功率）。
PRISM 架构： 一种紧凑的、因子化的多项式策略表示，使这些交互变得显式且可学习，且无需枚举所有单项式。它支持在强化学习中的渐进激活，并能替换扩散策略中的线性调节。
实证验证： 证明了结构化交互建模相比于标准 MLP 以及具有匹配容量的“更大规模 MLP”具有性能增益，证明了交互结构无法仅靠参数量来替代。

4. 实验结果

作者在 Humanoid-Gym（足式运动）和 LIBERO（接触丰富型操纵）上评估了 PRISM。

人形运动 (Humanoid-Gym)

性能： 在回合长度、线速度/偏航角速度跟踪误差以及生存率方面，PRISM 显著优于标准 MLP 和“更大规模 MLP”（其参数量接近基准的两倍）。
稳定性： 与基准相比，PRISM 在不同训练种子下的收敛界限更紧密，且速度漂移更小。
结论： 性能的飞跃是由显式建模乘法交互驱动的，而非仅仅增加了模型容量。

接触丰富型操纵 (LIBERO)

无传感器顺应性： PRISM 实现了 91.0% 的成功率，显著优于标准扩散策略（63.8%）和无传感器顺应控制器（MCC-Sensorless，47.8%）。
行为表现： PRISM 展现出了涌现的顺应行为：它在自由空间保持高速接近，但在接触瞬间抑制速度，从而在没有力/触觉输入的情况下调节力。这优于 MCC-Sensorless，后者存在响应延迟和高冲击力的问题。
主干无关性： 当集成到更强的模型主干（运动控制中的 BFM-Zero，操纵中的 SmolVLA）中时，PRISM 持续优于更大容量的控制方法，证实了其收益源于架构而非仅仅是容量。

物理量分析

线性探测： 在冻结的 PRISM 表示上训练的线性探测器，在预测受力学启发量（滑动速度、关节功率、接触冲量、接触功）方面，比基准模型具有更低的均方误差 (MSE) 和更高的皮尔逊相关系数 (PCC)。
涌现交互： 消融研究表明，最具影响力的学习因子对应于具有物理意义的耦合，如“速度记忆”（当前速度 $\times$ 过去速度）和“关节-速度耦合”，证实了模型学习到了任务相关的物理结构。

5. 意义与主张

本文认为，多项式表示应当成为具身运动控制的标准架构选择。

符合物理规律的归纳偏置： 通过使交互结构显式化，PRISM 使策略的归纳偏置与机器人动力学的物理现实相一致，即控制往往取决于状态变量的乘积。
无传感器顺应性： PRISM 证明了纯粹通过本体感受和视觉输入即可学习到顺应性及接触感知的行为，消除了在部署时对昂贵或脆弱的力/触觉传感器的需求。
效率优于容量： 结果表明，提升策略性能不仅仅是扩大模型规模的问题；相反，显式建模物理变量的交互结构会带来更优的训练效率和鲁棒性。

作者总结道，尽管 PRISM 假设关键线索可以通过低阶多项式捕获，并且在处理长程历史或未观测几何形状时可能存在困难，但它为多样化的机器人形态和任务提供了一种稳健且可部署的结构化交互控制方案。