技术突破 - 提出全新强化学习方法COLA，仅依赖机器人本体感知（关节角度、力度反馈、位置/速度等内部数据）实现人机协作搬运，无需摄像头、激光雷达等外部传感器[10][17][23][25] - COLA设计实现单一统一策略，机器人可自主切换领导者或跟随者角色，人类发力稳定时配合跟随，物体倾斜时主动调整维持平衡[18][19] - 训练采用高度动态闭环环境，模拟人类突然转向、物体重量变化、手部打滑等突发状况，形成决策-反馈-再决策循环[21] 性能优势 - 在真实世界测试中，COLA对所有物体类型（规则箱子、柔性担架等）和运动模式（直线、转弯）均实现稳健协作搬运[35][36] - 人类参与者实验显示，COLA在高度跟踪和平滑性评分均达3.96分，显著高于基线方法Locomotion（2.96/2.61）和Vanilla MLP（3.09/3.09）[39][40] - 以领导者思路设计的COLA-L表现突出，比跟随者COLA-F更能分担负载并保持稳定[34] 成本与适用性 - 摒弃外部传感器降低硬件成本和系统复杂度，避免采购和软硬件集成投入[29] - 本体感知设计使机器人免受光线昏暗等环境干扰，交互方式变为拍拍头、拉拉身体等直接物理互动，无需遥控或语音[8][24] 团队背景 - 核心团队来自北京通用人工智能研究院、香港大学、北京理工大学，成员包括Yushi Du、Yixuan Li、Baoxiong Jia等[41][42][43][46] - 通讯作者Wei Liang为北京理工大学教授，领导PIE实验室，研究方向含计算机视觉和虚拟现实[49][50] - 团队近年多篇论文入选顶会，如CoRL 2025接收统一力与位置控制研究[47]