我国突破机器人算法瓶颈：全球首推力位混合控制统一理论，任务成功率提升39.5%

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”。该理论创新性地解决了机器人控制中的核心难题，实现了无需依赖力传感器即可同步学习位置与力的控制。实验数据显示，采用该算法的机器人任务成功率较传统单一位置控制策略提升约39.5%，标志着我国在智能机器人基础理论研究方面取得国际领先成果。

值得关注的是，相关研究论文已获得国际机器人学习大会杰出论文奖，这是该奖项历史上首次由全中国籍学者团队独立摘得。据科研团队介绍，现有视觉-语言-动作模型（VLA）在复杂接触场景中存在明显局限，例如擦黑板需动态调节接触压力、开关弹簧结构柜门要求精确的力反馈等。传统解决方案依赖高精度力传感器，而新算法通过强化学习框架，使机器人能基于历史状态自主估计接触力，并结合位置速度调整实现补偿控制。

在北京通用人工智能研究院的演示中，搭载该算法的四足机械犬成功完成擦白板等高精度操作任务。研究表明，该技术可同时实现位置跟踪、施力控制、力跟踪和柔顺交互等多样化操作行为。其力估计模块通过引入接触信息，显著提升了基于轨迹的模仿学习效果，在四项典型接触密集型操作任务中均展现出显著性能优势。

业内专家指出，这项突破不仅降低了机器人系统的硬件成本，更为解决复杂环境下的智能控制问题提供了全新理论框架，对推动服务机器人、工业自动化等领域发展具有重要战略意义。目前，研究团队正进一步优化算法在动态环境中的适应性，加速技术成果转化应用。