传统人机协作依赖外部传感器，交互复杂且成本高昂。一项来自中国团队的研究提出全新强化学习方法COLA，让机器人仅通过本体感知就能与人类默契配合搬运物体，为人机协作带来了更自然、低成本的解决方案。
智能速览
中国团队提出人机协作新方法COLA。
机器人仅依赖本体感知，无需外部传感器。
实现了主导与跟随角色的无缝智能切换。
在真实搬运任务中表现出色，减轻人类负担。
该设计降低了硬件成本与系统复杂度。
精华内容
COLA方法如何让机器人摆脱传感器束缚，实现心领神会的协作搬运？其背后的技术设计和训练思路颇为精妙。
统一协作策略
COLA的核心创新在于将“主导者”与“跟随者”两种策略融为一体。在协作搬运中，当人类动作稳定时，机器人会扮演跟随角色，默契配合；当物体倾斜或人类动作犹豫时，它会主动接管，化身主导者来维持平衡。这种角色切换完全由模型自主判断，无需外部指令，实现了人机之间的流畅协作。测试显示，这使得机器人在搬运物体上斜坡等复杂场景中表现出色。
动态闭环训练
为了让模型适应真实世界的复杂性，COLA的训练在高度动态的仿真环境中进行。训练过程不仅模拟了人类突然转向、物体重量变化、手部打滑等突发状况，还形成了一个闭环系统。机器人的每一次动作都会改变环境状态，而这种环境变化又会成为下一次决策的输入，通过“决策-反馈-再决策”的循环，让机器人在反复的“推拉”中学会应对真实搬运中的不确定性。
摆脱传感器依赖
COLA最显著的突破是完全抛弃了摄像头、激光雷达等外部传感器，仅凭“本体感知”来交互。本体感知指机器人自身的关节角度、电机力矩等内部数据。这得益于“残差教师微调”与“知识蒸馏”技术：先在仿真中训练出强大的教师模型，再将其能力压缩到轻量的学生模型中。因为所有决策都基于内部数据，机器人不仅不受光线等环境因素干扰，交互方式也变得极其自然，大幅降低了硬件成本与系统复杂度。
有效性获验证
COLA的有效性在多项实验中得到证实。仿真测试表明，其在运动精准度和减轻人类外力方面均优于现有方法。在真实世界测试中，无论是搬运规则箱体还是柔性担架，COLA都实现了稳健协作。此外，一项有23名参与者参与的用户研究结果也显示，用户对COLA在高度跟踪和运动平滑性方面的评分最高，证实了其在实际应用中的优越体验。
COLA方法为人机协作开辟了一条新路径，它证明了无需昂贵的外部传感器也能实现高效、自然的互动。随着技术成熟，未来这样的机器人伙伴或许能真正走进工厂、仓库乃至日常生活，成为人类得力的助手。这种人机默契的新范式，将如何改变我们的未来？
