文章核心观点 - 介绍了一种名为COLA的全新强化学习方法，该方法使人形机器人仅依赖本体感知即可实现与人类协作搬运物体，无需外部传感器[11][18][26] - 该方法通过统一策略实现机器人在协作中领导者与跟随者角色的自主切换，提升了协作的流畅性和稳定性[19][20] - 该技术降低了硬件成本和系统复杂度，并在仿真、真实世界及人类用户实验中验证了其有效性[30][32][41] 技术方法与创新 - COLA方法的核心创新在于摒弃了摄像头、激光雷达等外部传感器，仅利用机器人自身的关节角度、力度反馈等本体感知数据进行交互决策[18][24][28] - 该方法采用统一策略，使机器人能根据人类施力情况和物体状态，自主、无缝地在领导者和跟随者角色间切换，无需人工干预[19][20] - 训练过程在高度动态的闭环仿真环境中进行，模拟了人类突然转向、物体重量变化等多种突发状况，以增强模型的鲁棒性[21][22] - 通过残差教师微调与仿真训练结合知识蒸馏的技术路径，先训练强大的教师模型，再将其能力迁移至轻量级的学生策略，适用于实体机器人[34] 实验验证与性能 - 在仿真实验中，以领导者思路设计的COLA-L比跟随者COLA-F表现更突出，能更好地分担人类负载并保持物体稳定[33][36] - 真实世界测试显示，COLA在面对箱子、担架等不同物体以及直线、转弯等运动模式时，均能实现稳健的协作搬运[37][38] - 由23名人类参与者进行的评估结果显示，COLA方法在高度跟踪和平滑性两项指标上均获得最高分，分别为3.96分[41][42] 研发团队背景 - 该研究由北京通用人工智能研究院、北京理工大学、香港大学等国内机构的研究人员共同完成[43] - 核心团队成员包括Yushi Du、Yixuan Li和Baoxiong Jia（通讯作者），其他通讯作者为Wei Liang、Yanchao Yang和Siyuan Huang[44][47][50] - 团队成员在计算机视觉、强化学习、人形机器人控制、具身智能等领域有深厚积累，并有相关顶会论文发表[46][49][56][59]