登Nature旗下頂刊！意大利IIT造出“護腰”人形機器人：和人一起搬箱子,人類腰部負荷直降近一半

人形機器人越做越像人,但有個問題一直被忽略：機器人的胳膊多長、腿多長、重心多高,到底是誰說了算?

很多時候,答案是"工程師拍腦袋",或者"照著上一代改改"。至于這臺機器人將來要跟人一起抬箱子、會不會把人的腰累壞——那是控制算法該操心的事。

現(xiàn)在,意大利技術研究院(IIT)聯(lián)合意大利國家工傷保險局(INAIL)給出了另一種答案：把"人類的腰"直接寫進機器人的硬件優(yōu)化目標里。

他們提出了一套叫做共享具身智能(shared embodied intelligence)的架構,并造出了一臺真機——人形機器人ergoCub。名字里的"ergo"就是人體工程學(ergonomics),"Cub"則來自IIT自家的iCub。

近期，該研究成果已登上Nature旗下機器智能領域頂級期刊Nature Machine Intelligence。

01.

讓機器人的"身材",從人類的肌肉骨骼里算出來

先說這個概念是怎么來的。

該研究的出發(fā)點其實很樸素:協(xié)作在自然界無處不在,狼群靠社會分工生存,人類樂團能奏出個體無法完成的聲音,甚至跨物種也能協(xié)作——搜救犬的嗅覺配上人類的規(guī)劃能力。這種能力被稱為共享智能,核心是協(xié)調(diào)動作 + 相互感知。

另一條線是具身認知：智能不只在腦子里,也長在身體上。研究人員舉了個很有意思的例子——啄牛鳥的喙,是為了精準清理宿主身上的寄生蟲而演化出來的。為了協(xié)作,身體本身就會被改造。

把這兩件事合起來,就是這項研究想干的：在設計機器人硬件的時候,就把"未來要跟它協(xié)作的那個人"考慮進去。

具體怎么做?研究團隊搭了一套模塊化架構,關鍵有兩點。

第一,可微分的參數(shù)化浮動基座模型。機器人的每個連桿都被簡化成球、圓柱、方塊這類基本幾何體,質(zhì)量、慣量、質(zhì)心全部寫成"連桿長度"和"密度"的函數(shù)。這樣一來,改變機器人的肢體尺寸,整機動力學會跟著自動變化,可以直接拿去做優(yōu)化。

第二,把人也建成模型,而且和機器人用同一套結構。人體骨骼被建成34個關節(jié)的多剛體系統(tǒng)(每條手臂6個、每條腿9個、背部4個),肌肉群的作用被簡化為關節(jié)力矩。更有意思的是人的"控制系統(tǒng)":中樞神經(jīng)系統(tǒng)對應整機層面的軌跡規(guī)劃與全身控制,外周神經(jīng)系統(tǒng)對應關節(jié)級的局部控制和肌肉反射。

換句話說,人和機器人在這套架構里被寫成了對稱的兩個智能體——都有軌跡規(guī)劃層、軌跡調(diào)整層、軌跡控制層,都有傳感器/感知系統(tǒng),都有執(zhí)行器/肌肉。這種對稱性讓人體模型可以被無縫塞進機器人的控制架構里。

最后,人、機器人、負載三者被寫成一套耦合參數(shù)化動力學,接觸力、內(nèi)力互作用全都在里面。

02.

從iCub3長到1米5,身高體重都是優(yōu)化出來的

有了模型,接下來是兩輪優(yōu)化。

第一輪優(yōu)化硬件,變量是各個連桿的長度。

由于非線性優(yōu)化對初值極其敏感,團隊直接拿開源人形機器人iCub3當起點,保留其運動學結構、電子件和電機類型,只優(yōu)化連桿幾何,并對最大身高設了約束,保證造得出來。

優(yōu)化目標有兩個:

一是人機協(xié)作抬舉時的人體工效,量化成人和機器人在多個靜態(tài)抬舉構型下的關節(jié)力矩之和;二是行走性能,通過抬高機器人質(zhì)心來提升系統(tǒng)帶寬和抗擾魯棒性。三個任務項的權重分別是 W1=10?、W2=101?、W3=1。

結果如下圖。紅色是iCub3簡化模型,藍色是按0.8–1.2米負載高度范圍優(yōu)化的結果,綠色是按0.8–1.5米優(yōu)化的結果。

看表里的數(shù)字:藍色模型在所有高度上都降低了人的腰背負荷,在L5–S1(腰骶關節(jié))這個抬舉時最容易受傷的位置改善最明顯。綠色模型進一步降低了幾乎所有高度上的力矩(0.8米除外),而且獨家解鎖了1.5米高度的抬舉任務。

于是綠色方案勝出。它給出的答案是：身高1.44米、體重70公斤、質(zhì)心高0.70米、手臂0.39米、腿0.69米、軀干0.47米。

而最終造出來的 ergoCub 是：身高1.50米、體重56.7公斤、質(zhì)心高0.72米、36個自由度。

為什么和優(yōu)化結果對不上?論文寫得很清楚:頭更大是因為加裝了一塊柔性LCD屏幕做表情交互;體重輕了13公斤多,是因為優(yōu)化時假設連桿密度均勻,而實際制造復用了iCub3的電子件和電機、用金屬延長件加長肢體,再加上一輪制造端優(yōu)化;腿和軀干各短了1厘米,則來自簡化幾何忽略了外殼、走線、裝配細節(jié)帶來的累計誤差。

最終 ergoCub 比 iCub3 高了約25厘米,卻只重了約4公斤。

順帶一提,這臺機器人的外觀還做了850人規(guī)模的接受度調(diào)研(來自工業(yè)和醫(yī)療領域),結果ergoCub的評價高于Baxter和R1,其簡化面部表情也被一致偏好。

03.

真機實測:人類腰上的力矩,最多砍掉近一半

第二輪優(yōu)化針對物理智能——硬件鎖定為最優(yōu)值,再去調(diào)控制架構里的增益、權重等參數(shù)。

協(xié)作實驗是這樣的:人和ergoCub一起搬運空箱、1公斤、2公斤三種負載,機器人跟隨人的上下運動,同時實時監(jiān)測人的工效狀態(tài)。

人體模型先離線初始化(測身高體重),協(xié)作過程中通過非侵入式可穿戴傳感器持續(xù)更新——運動學用逆運動學估計,關節(jié)力矩用最大后驗估計法算出,再過一個窗口為2的滑動平均濾波。這意味著換個人也能用：個體差異通過離線初始化和在線更新來吸收。

機器人一邊跟隨,一邊根據(jù)L5–S1的力矩水平,用頭上的LCD屏"做表情",告訴人現(xiàn)在腰的壓力是高還是低。

跟隨精度：平均誤差0.0084米,三次實驗平均最大誤差0.0339米。論文也指出,機器人動作相對人有延遲,因為架構里目前沒有對人類運動做預測,是純反應式的。

但效果很明顯。人類腰骶關節(jié)(L5–S1)的峰值力矩:

空載時,從43.95 Nm降到24.88 Nm;1公斤負載,從50.66 Nm降到25.77 Nm;2公斤負載,從約44 Nm降到31.82 Nm。最大降幅接近一半。

行走這邊同樣受益于那次抬高質(zhì)心的優(yōu)化。同樣的行走指令和控制架構下,ergoCub最大步長0.35米(iCub3為0.28米),最小步態(tài)周期0.5秒(iCub3為0.8秒)。

控制架構上,軌跡生成與調(diào)整層跑在50Hz,軌跡控制層求解stack-of-tasks二次規(guī)劃跑在500Hz,計算平臺是塞在軀干里的2.4GHz Intel Core i7 Ubuntu主機。

抗擾測試里,機器人一邊扛著額定6公斤負載直線行走,一邊被人推搡右上臂(沖擊力估計在60–100N),它會自動調(diào)整落腳點來避免摔倒。

04.

局限也寫得很清楚

論文對自身邊界寫得很清楚。首先,優(yōu)化針對的是生物力學風險指標(關節(jié)力矩、肌骨負荷),它不等同于主觀的舒適感或疲勞感。長期交互流暢度、多人群主觀舒適度、臨床工效學驗證,都不在本文結論范圍內(nèi)。

其次,硬件優(yōu)化為了讓問題可解,只考慮了多個靜態(tài)構型,動態(tài)過程中的工效交給物理智能層處理;非線性優(yōu)化的局部極小問題,靠"從iCub3起步"來規(guī)避。

再次,當前協(xié)作是反應式的。作者給出的改進方向是在軌跡規(guī)劃層引入短時程人體運動預測,用預測狀態(tài)估算未來的工效代價,再讓規(guī)劃層去最小化它——而且這只影響物理智能層,不改動硬件優(yōu)化那一環(huán)。

最后,團隊也列了縮小sim-to-real差距的路子:把連桿拆成電機、電子件、結構件、外殼等子部件建模;把材料相關的密度分布也變成設計變量;以及在樣機做出來之后引入標定回路,把實測的慣量參數(shù)和關節(jié)驅(qū)動特性反饋回優(yōu)化模型。

相關架構、控制器和可微分模型都已開源(adam 與 shared-controllers 兩個Python庫),數(shù)據(jù)和代碼也放在了GitHub上。

一句話總結這項工作:以前我們讓機器人去適應人,現(xiàn)在,人被寫進了機器人的設計圖紙。

論文鏈接：

https://www.nature.com/articles/s42256-026-01272-2