在北京通用人工智能研究院的实验室内，一台搭载全新控制算法的四足机械犬，完美地完成了擦白板的指令任务。它不仅能精准定位轨迹，还能对板面施加恰到好处的压力，解决了传统机器人“用力过猛”或“擦不干净”的痛点。
这项突破性技术被称为 “力位混合控制算法” （UniFP），由北京通用人工智能研究院团队提出，是全球首个能够在统一框架下处理力和位置控制的算法。该技术无需依赖昂贵的力传感器，使机器人在复杂接触任务中的成功率较传统方法提升约39.5%。
01 从“机械执行”到“智能感知”的技术跨越
传统机器人在执行任务时，往往只能通过预设轨迹进行“位置控制”，或依靠额外的“力传感器”来感知环境互动。前者在需要精细力控的场景中显得“力不从心”，后者则成本高昂且存在物理局限。
科研人员贾宝雄指出：“主流的视觉-语言-动作模型，都是将照片作为输入进行轨迹预测。这导致机器人在擦板时可能无法严格贴合白板。” 而力传感器“安装麻烦且昂贵”。
UniFP算法的核心创新在于通过数学建模与强化学习，让机器人能够从自身运动状态中“估算”出所受的外力。其灵感源于阻抗控制，将机器人末端与环境的互动视为一个“弹簧-阻尼-质量”系统。
该算法通过一个统一的公式，整合了期望的位置指令、力指令以及外部接触力，使机器人不仅能跟踪轨迹，还能根据接触情况自动调节。这意味着机器人首次能主动“感知”环境并智能响应，而不再是机械地重复预设路径。
02 实验验证：成功率的飞跃与多样场景的适应
团队通过七项实验验证了UniFP算法的卓越性能。
在 “擦黑板”任务中，基于纯位置控制的策略要么因贴合不紧而擦不干净，要么因用力过猛而损坏板面，而UniFP能保持稳定接触压力，彻底擦净黑板。
在 “开关柜门”任务中，视觉方法难以识别微小的推拉式弹簧结构，但UniFP通过其力估计器准确触发了开关机制。
当抽屉被遮挡时，基线方法的成功率骤降至0.3，而UniFP借助力感知将成功率提升至0.76。
算法在Unitree B2-Z1四足机器人和人形机器人Unitree G1上均成功部署，展示了其强大的跨平台泛化能力。
03 应用前景：从工业自动化到人机协同的广阔天地
这项技术的突破为机器人开辟了广泛的应用场景，其“柔顺交互”特性解决了人机协作中的关键安全问题。
在工业领域，算法能使机器人在精密装配等任务中感知0.1N级别的细微力变化，大幅提升作业精度与成功率。
在康养与医疗领域，通研院具身机器人中心主任黄思远博士展望：“未来希望把单个接触点扩展到机器人全身，通过全身和环境的力位交互感知，更好地与人类亲密接触。”例如，在扶抱老人或医疗按摩等场景中，机器人能提供更安全、舒适的服务。
在人机协作中，当人类与机器人共同搬运箱子时，机器人能实时匹配人类的运动节奏，实现加速、减速的同步响应。当人意外触碰或阻挡机器人时，机器人能顺应外力而停止或调整，极大提升了人机交互的安全性。
04 产业影响：成本重构与技术壁垒的双重变革
UniFP算法带来的不仅是性能提升，更是产业成本结构的重构。
力传感器在传统机器人腿部成本中占比高达40%，且存在例如“10万次弯曲即断裂”的可靠性问题。采用UniFP算法后，单台机器人可节省超过2000元的硬件成本，整机综合成本预计降低30%以上。对于拥有千台机器人的物流企业，初期硬件投入可减少200万元，年维护成本更能降低90%。
从产业生态看，这一突破有望使中国在机器人核心控制算法领域建立技术壁垒，改变高端传感器依赖进口的现状，推动中国从机器人制造大国向智能装备创新强国跨越。
这项研究成果已荣获机器人学习领域顶会CoRL 2025的杰出论文奖，这是该奖项设立以来首次由全中国籍学者团队摘得。
随着算法从实验室走向更广阔的应用场景，机器人将不再是笼中精准却笨拙的机械臂，而成为能感知你我力道、默契协作的真正伙伴。从工厂车间到居家养老，一场人机协作的智能化革命正悄然开启。