每日论文雷达

Type 1 · Project-related Key group 证据 B 收录

Learning Force-Reactive Humanoid Loco-Manipulation

Sihang Li, Xiaofeng Guo, Jinkun Cao, Charlie Cheng, Ruihan Yang, Chen Feng, Guanya Shi, Haozhi Qi

发布 · 收录于 2026-11-02

让示教同时记录手的动作和接触力，并让全身控制器直接执行'用多大力'，人形机器人才能稳定完成推、夹、擦这类接触任务。

任务
人形移动操作中的力控：推龙门架、双手转箱、擦白板
硬件
Unitree G1 + 腕部六轴力/力矩传感器 + 腕部相机
数据
无机器人手持示教（两把测力夹爪 + 胸/脚踝追踪器）
代码
有项目页，论文未提代码发布
主结果
真机平均成功率 80%，纯位置策略 26.7%

PaperPDFProject page

证据等级 B · 仿真充分 （A 真机 + 多基准 + 消融 / B 仿真充分 / C 单一基准或无代码）

动机

左上是人拿测力夹爪示教，右边和下面是三个真机任务；彩色箭头是力指令，下方曲线里虚线是指令力、实线是实测力，两者贴合说明力跟上了。
原文图 · P.1 左上是人拿测力夹爪示教，右边和下面是三个真机任务；彩色箭头是力指令，下方曲线里虚线是指令力、实线是实测力，两者贴合说明力跟上了。 图片来源：Li et al., Learning Force-Reactive Humanoid Loco-Manipulation (arXiv:2610.35862) · 查看原文

推车、搬重箱、擦桌子这类任务，光有手的轨迹不够，还要知道推多重、压多紧。

现有人形机器人做法有两个缺口（→ P.1–2）：

  • 数据：无机器人的全身示教系统只录动作，不录接触力。
  • 执行：学到的全身控制器（whole-body controller，统一控制腿、躯干和手臂的策略）只跟踪位置，或把外力当干扰去抵抗、当刚度去降低，没法指定'按多大力压'。

难点在于人形机器人要两只手一起出力，同时还得保持平衡、边走边推。

方法

  1. 1手持采集两把测力夹爪录图像、动作和力
  2. 2学预测力扩散策略输出手部动作和每只手目标力
  3. 3力变位移把目标力换算成手目标点的偏移
  4. 4积分纠偏按实测力误差继续推进直到力对上
  5. 5全身执行一个RL策略管走路、平衡和双手

比喻：像用手按门铃，你不知道按钮有多硬，就一边按一边感觉，力不够就再往里一点，够了就停。

1. 力变成位置目标（混合柔顺控制，hybrid compliance）。控制器只输出关节位置，所以把力指令换成手目标点的偏移：目标点 = 动作参考 + 力指令/K + 积分项/K（K=200 N/m）。积分项累积'指令力与实测力之差'，于是不管表面多硬，目标点都会一直往里推，直到腕部传感器读到的力等于指令（→ P.3 式 1、图 3）。没下指令的方向上，被人推时积分项随推力增长，手就顺着让开，不需要切换模式（→ P.4）。

2. 仿真训练。在 Isaac Lab 里让每只手去压随机放置、随机刚度的虚拟平面，模拟传感器带偏置和噪声，用强化学习训练一个策略同时跟踪全身动作和手部力（→ P.4 式 2–4）。

3. 力感知扩散策略（diffusion policy，用去噪方式生成一段动作序列的模仿学习模型）。输入双手腕部图像、低维状态和每只手的力历史，输出一段 50 步的手/躯干/脚位姿、夹爪开度和每只手的力指令；力指令直接送给上面的控制器执行（→ P.4–5）。

从左往右读：蓝框是带力的示教数据，紫框是同时输出动作和力指令的扩散策略（30 Hz），橙框把力指令变成手目标点偏移再交给 RL 策略（50 Hz），绿框是部署。
原文图 · P.3 从左往右读：蓝框是带力的示教数据，紫框是同时输出动作和力指令的扩散策略（30 Hz），橙框把力指令变成手目标点偏移再交给 RL 策略（50 Hz），绿框是部署。 图片来源：Li et al., Learning Force-Reactive Humanoid Loco-Manipulation (arXiv:2610.35862) · 查看原文
横向是要施力的方向：目标点从表面处往里移了'力指令/K'和'积分项/K'两段；竖向是没下指令的方向，外力推来时夹爪顺势让开（虚线夹爪）。
原文图 · P.3 横向是要施力的方向：目标点从表面处往里移了'力指令/K'和'积分项/K'两段；竖向是没下指令的方向，外力推来时夹爪顺势让开（虚线夹爪）。 图片来源：Li et al., Learning Force-Reactive Humanoid Loco-Manipulation (arXiv:2610.35862) · 查看原文

实验

真机三任务平均成功率 Success Rate (mean) (%) · 越高越好 ↑
真机三任务平均成功率（Success Rate (mean) (%)，越高越好 ↑）：FLoRe（本文）（本文） 80%；w/o F-in（去掉力观测） 66.7%；w/o F-cmd（去掉力指令） 36.7%；DP（纯位置） 26.7% FLoRe（本文） · 本文 80% w/o F-in（去掉力观测） 66.7% w/o F-cmd（去掉力指令） 36.7% DP（纯位置） 26.7% 04080

本文方法 对比方法 · 数据来源：Table II, P.7

仿真接触力误差（ROOT-90） |e_F| (N) · 越低越好 ↓
仿真接触力误差（ROOT-90）（|e_F| (N)，越低越好 ↓）：FLoRe（本文）（本文） 1.05 N；SONIC + admittance 7.89 N FLoRe（本文） · 本文 1.05 N SONIC + admittance 7.89 N 048

本文方法 对比方法 · 数据来源：Table I, P.6

加力通道的代价：根位置误差（ROOT-90） Global Root (m) · 越低越好 ↓
加力通道的代价：根位置误差（ROOT-90）（Global Root (m)，越低越好 ↓）：FLoRe（本文）（本文） 0.374 m；FLoRe w/o Force 0.342 m；SONIC 0.317 m FLoRe（本文） · 本文 0.374 m FLoRe w/o Force 0.342 m SONIC 0.317 m 00.20.4

本文方法 对比方法 · 数据来源：Table I, P.6

仿真（sim-to-sim，Isaac Lab 训练、MuJoCo 测试），两个动作集 ROOT-90 和 VLK-Pick-100（→ P.6 表 I）：

  • 动作跟踪指标（根位置误差、腕位置/姿态误差）越低越好。加了力通道后，根误差比不带力版本多 1.3–3.2 cm，腕位置误差最多多 8 mm，腕姿态误差约减半。
  • 力跟踪：增益 a₁ 越接近 1 越好，本文 1.03–1.06；接触力误差越低越好，本文约 1 N，SONIC+导纳约 7.9 N。
  • 真机上对着测力计验证：x 方向稳态力约达指令的 91%，误差约 1.1 N，平均 1.8 s 进入 ±1 N 范围（→ P.6）。

真机三任务，成功率越高越好，每任务每策略 10 次（→ P.7 表 II）：本文 7/10、9/10、8/10；纯位置 DP 2/10、3/10、3/10。DP 和本文用同样的数据和控制器，只是不输入也不输出力。

站得住的结论：力指令是主要增益来源（36.7% → 80%，p=0.001）；力观测的作用只是趋势（66.7% → 80%）。

代价：论文未报告训练时长或推理延迟，只给出策略 30 Hz、控制器 50 Hz（→ P.3 图 2）。

灰框是本文成功的过程，红框是纯位置基线的失败：推龙门架时两手用力不均而跑偏、箱子太重推不动或失去平衡、擦白板时悬空碰不到板。
原文图 · P.7 灰框是本文成功的过程，红框是纯位置基线的失败：推龙门架时两手用力不均而跑偏、箱子太重推不动或失去平衡、擦白板时悬空碰不到板。 图片来源：Li et al., Learning Force-Reactive Humanoid Loco-Manipulation (arXiv:2610.35862) · 查看原文

审稿人视角

这一部分是 Claude 读完全文后的看法和判断，不是论文自己的说法。

先读哪

先看第 1 页图 1 和第 3 页图 2、图 3，再看第 7 页表 II

值得看的理由

  1. 消融干净：同一批示教、同一个控制器，只把预测的力指令关掉，真机三任务成功率从 80%（24/30）降到 36.7%（11/30），Fisher 检验 p=0.001。 → P.7 表 II；P.8 F3
  2. 一个 RL 全身控制器同时管走路、平衡和双手力跟踪：仿真中力增益 1.03–1.06、接触力误差约 1 N，而 SONIC 外加导纳力控只做到 0.67–0.70 增益、约 7.9 N 误差。 → P.6 表 I
  3. 采集端和机器人端用同一套夹爪+六轴力/力矩传感器，示教不需要机器人，力既是策略输入也是输出指令，这套数据接口可迁移到其他接触任务。 → P.4 第 III-B, Fig. 4 节

审稿人式质疑

  • 每个任务只有 10 次真机试验（2 种负载/偏移 × 5 个初始位姿，各跑一次），没有重复；去掉力观测后 20/30 对 24/30 的差距不显著，论文自己也只称其为'趋势'。 → P.7 表 II；P.8 F3
  • 侧向和向下的力指令增益偏低且会漏到其他轴；切向力在训练中从未出现；正文说 Spring-Law 基线检测不到接触，但 Table I 没有它的数字；我在正文中没有找到每个任务的示教数量。 → P.6 第 IV-B、Table I；P.4 Sec. III-A 节

审稿人笔记

  • 表 II 的百分比可由分数复算：24/30=80%、20/30=66.7%、11/30=36.7%、8/30=26.7%，数字自洽（→ P.7 表 II）。
  • 力通道并非免费：ROOT-90 上根误差 0.342→0.374 m、腕位置误差 36.75→44.70 mm；VLK-Pick-100 上腕位置误差反而 23.54→23.16 mm（→ P.6 表 I）。
  • 真机力跟踪只给出 x 方向的数字（约 91% 幅值、1.1 N 误差）；仿真中侧向和向下指令增益偏低（→ P.6）。
  • 训练用的接触刚度为 100–800 N/m，且平面无摩擦、没有切向力（→ P.4–5），真机白板和箱子的接触条件超出这一范围，作者靠积分项来弥补。
  • 真机对比只有同数据同控制器下关闭力的 DP 与两项消融，没有与其他力感知方法（如 WT-UMI、UniFP）在真机上对比（→ P.2 相关工作、P.5 基线）。