研究突破与核心成果 - 北京通用人工智能研究院团队的论文《UniFP: Learning a Unified Policy for Force and Position Control in Legged Loco-Manipulation》在2025年CoRL会议上从近千篇投稿中脱颖而出，荣获大会最高奖项杰出论文奖，这是该奖项首次由全中国籍学者团队获得[1] - 研究核心是提出了UniFP算法，这是足式机器人领域首个能在单一框架下统一处理力控制与位置控制的算法，改变了传统机器人需分别设计控制策略的局限[3] - UniFP通过一个力估计器实现了无传感器力感知，利用机器人的历史状态信息和动作数据反向估算出机器人受到的合外力[3][4] 技术原理与架构 - UniFP借鉴了生物力学中的阻抗控制原理，使机器人在与环境接触时能像弹簧-质量-阻尼器系统一样响应，通过调节刚性、阻尼和惯性参数展现不同交互特性[3] - 算法由神经网络构建，包含观测编码器、状态估计器和执行器三个核心模块，形成感知-决策-执行的完整控制闭环[7] - 状态估计器是策略实现力感知的核心，能从编码器信息中估算出无法直接测量的关键状态，如当前外力和末端位置[7] 实机验证与应用表现 - 在Unitree B2-Z1四足机械臂平台的实机测试中，UniFP能精准执行力控制，例如在给予25牛顿向上力指令时，可稳稳托住2.5公斤的哑铃[8] - 算法展现出多功能操作能力，包括自适应的力追踪和柔顺的阻抗控制，如在人机拔河实验中能根据被拉离目标位置的距离施加相应的回拉力[10] - 在力感知模仿学习中，UniFP方法在擦拭黑板、打开橱柜等四项接触密集型任务中，比仅依赖位置信息的传统方法成功率高出约39.5%[11] 通用性与行业影响 - UniFP展现出极强的泛化能力，不仅在Unitree B2-Z1四足机械臂上验证，还成功部署到Unitree G1人形机器人上实现稳定控制[13][14] - 该策略成为首个同时跨任务、跨形态、跨平台的统一力-位控制策略，打破了传统机器人控制算法需定制开发的行业瓶颈[14] - 研究成果标志着中国在机器人学习与具身智能领域的研究已跻身全球领先行列[1]