在精细操作任务中，机器人如何兼顾视觉的宏观引导与接触时的微观力控？Force Policy框架为此提供了一种全新思路。它借鉴人类操作模式，通过解耦全局视觉与局部力控，并创新性地从物理响应中自适应恢复“交互框架”，有效解决了传统方法中视觉与力信号相互干扰的难题，让机器人在非结构化环境中也能完成如插入、旋转等复杂操作。
智能速览
Force Policy是一个全局-局部视觉-力控制框架，旨在解决接触丰富操作中的控制难题。
该框架受人类启发，将全局视觉规划与局部高频力控解耦，避免信号干扰。
核心创新“交互框架”从物理刚度中推导，能适应非结构化环境，无需预设几何模型。
利用大模型理解任务上下文，可从演示数据中自适应恢复交互框架。
局部力策略通过自适应门控融合机制，动态选择各自由度的控制模式（力控或位控）。
精华内容
该框架的成功关键在于如何从物理层面定义并恢复控制所需的“交互框架”，这为后续的精准控制奠定了基础。
全局与局部解耦
传统机器人控制方法常将视觉与力信号在单一网络中处理，导致高频力反馈与全局视觉规划相互干扰。Force Policy框架受人类操作启发，将控制策略进行解耦。全局视觉策略负责宏观的任务级规划与粗略定位，而局部力策略则在机器人与环境发生接触时，以更高频率介入，专门处理精细的交互控制。这种分层设计确保了两种不同频率和特性的信号能够并行工作，互不干扰。
物理驱动的交互框架
为实现精确的局部控制，研究提出了“交互框架”这一核心概念。它并非预设的几何模型，而是从物理响应中推导出的瞬时局部坐标系。通过分析环境刚度的谱特性，交互空间可被分解为高刚度的约束子空间和可忽略刚度的可运动子空间。任务意图，即期望的运动和力，被用来锚定该框架的轴向：力控轴对齐于期望力方向，位控轴则投影于期望运动方向。这种物理驱动的定义方式，使其能主动适应非结构化环境。
自适应恢复框架
如何从人类演示中准确恢复这个交互框架是关键。研究发现，交互中的功率耗散源于两类残余：沿运动方向的摩擦等耗散残余，以及沿力方向的刚度引起的结构残余。研究利用大模型（如Gemini）对视觉上下文和任务描述进行语义理解，以判别当前交互阶段的主导残余类型。当结构残余主导时，从观测力中正交化出期望运动；反之则从观测运动中正交化出期望力。这种自适应策略避免了在摩擦主导任务中因方法单一而导致的失效。
混合力位控制实现
基于恢复的交互框架，局部力策略实现了混合力位控制。其网络结构包含一个轻量级编码器，处理腕部相机图像和力/位历史序列。全局视觉策略提供的视觉特征通过特征线性调制（FiLM）模块注入，以提供任务上下文。自适应门控融合机制则动态权衡腕部视觉、本体感觉和全局特征的重要性。网络的输出头预测两部分信息：一是交互结构参数（如框架姿态、参考力），二是根据任务模式（如表面接触、插入）配置的选择掩码，用于指定每个自由度是进行力控还是位控。
Force Policy通过模拟人类的分层操作逻辑，为机器人在复杂物理世界中的精细交互开辟了新路径。它不仅在理论上提出了创新的“交互框架”，更在技术上展示了其恢复与应用的可行性，这或许将推动机器人在装配、医疗等领域的应用迈向新高度。未来的机器人是否都能像人一样，凭“感觉”完成灵巧操作？
