UniReflex: Plug-and-Play Force Control for Pretrained Generative Policies via Fast-Slow Reflex
UniReflex 是一个通用的、即插即用的框架，它通过一种快慢反射机制，利用闭环可变阻抗控制增强了预训练生成策略，从而在无需网络重训的情况下，实现了鲁棒的接触调节以及位置执行与力执行之间的无缝切换。
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
机器人已经变得非常擅长观察并模仿人类的动作。通过学习数以千计的视频演示，现代人工智能系统可以学会捡起物体、堆叠积木或在桌面上移动工具，且表现出惊人的精准度。这些系统通常被称为生成式策略（generative policies），它们就像一个缓慢而周密的规划者，决定机器人的手下一步该往哪里移动。然而，在虚空中移动与在物理世界中进行交互之间存在着巨大的鸿沟。当机器人需要擦拭表面、按下按钮或拧入螺丝时，它必须管理自己施加的力量。如果机器人推得太用力，可能会损坏物体或导致打滑；如果推得太轻，则无法完成任务。目前的机器人经常在此类任务中遇到困难，因为它们被设计为完美地遵循视觉路径，仿佛世界是由永不弯曲或产生阻力的玻璃制成的。它们缺乏感知阻力并实时调整抓握力或压力的能力，这种技能对人类来说是自然而然的，但对于只靠“看”来学习的机器来说却很难教授。
清华大学和南洋理工大学的研究人员开发了一种名为 UniReflex 的新方法，旨在无需重建整个机器人大脑的情况下弥补这一差距。他们并没有尝试重新训练那些已经掌握了如何运动的庞大且复杂的 AI 模型，而是通过在这些模型之上添加一个轻量级、反应迅速的层。可以将主 AI 想象成一位知道路线和目的地的驾驶员，而这个新加入的部分则像是一个反射机制，能在汽车遇到颠簸时瞬间调整方向盘。该系统的工作原理是：一边倾听机器人关于目标位置的内部想法，一边同时监测作用在机器人手腕上的力量。如果机器人遇到预料之外的阻力，这个快速层会在瞬间接管，以减轻触碰力度或改变角度，确保接触保持稳定。至关重要的是，这个新层不需要重新训练或修改原始 AI，因此可以立即接入不同的现有机器人大脑。
研究团队在多种需要持续物理接触的困难任务上测试了这种方法，例如擦拭弯曲表面、撕掉贴纸或将充电器插入插座。在这些实验中，他们使用了三种不同类型的预训练机器人大脑，其规模从较小的模型到拥有数十亿参数的巨型模型不等。当机器人仅依靠其原始的规划能力运行时，一旦接触物体往往就会失败，出现打滑或压力过大的情况。然而，当 UniRefola 激活后，这类强调接触的任务成功率大幅提升。例如，在一项涉及撕掉贴纸的任务中，成功率从极低的基准水平提升到了接近 90%。该系统在维持正确压力方面表现尤为出色，即使在物体移动或表面不平整时，也能保持机器人手的稳定。
这项研究的一个关键发现是，这种改进并没有牺牲机器人原有的精确移动目标的能力。这个新层充当了一个开关，它知道何时让主规划器工作，以及何时接管进行精细调整。在机器人接触任何物体之前，它会完全按照原始 AI 的意图进行移动，保留了其高水平的规划技能。一旦检测到接触，快速反射层就会介入以管理力量，确保机器人不会撞击物体或失去抓握。这种职责分离使得机器人既能精准移动，又能温柔交互。研究人员还发现，这种方法效率极高。由于他们只训练了微小且快速的反射层，并让庞大的主 AI 保持不变，因此训练系统所需的时间比试图从头开始重新训练整个机器人大脑的方法减少了 25 到 66 倍。
该研究还探讨了系统在面对意外干扰时的表现，例如机器人正在擦拭时表面发生位移，或者某个部件位置略有偏差。在这些场景下，标准的机器人模型往往会失去接触并导致任务失败。然而，经过 UniReflex 增强的机器人能够快速恢复，在不到一秒的时间内重新建立正确的接触力。这种韧性表明，该系统比以往的方法能更好地适应现实世界的不可预测性。研究人员指出，虽然该方法在处理如擦拭或按压等持续性任务时效果极佳，但在处理如将插头快速插入紧凑插座等极短时间、高速动作时面临更多挑战，因为此时调整的窗口期极其微小。尽管如此，结果证明了一种赋予机器人缺失的“触觉”的强大新途径，使其能够在无需重新设计的情况下，更安全、更有效地与物理世界进行交互。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。