在人口老龄化加剧、护理人力缺口持续扩大的当下，服务机器人尤其是护理机器人，正成为补齐民生服务短板、提升行动障碍人群生活质量的核心力量。床旁洗浴、穿衣、体位转移等基础照护工作，不仅消耗护理人员大量体力，还对机器人的人机接触安全性、舒适性、适配性提出了极高要求。传统机器人依靠固定程序完成标准化动作，无法适配不同人群、不同身体部位的接触耐受度，一旦接触力度、姿态把控不当，极易引发使用者不适甚至安全风险。
康奈尔大学EmPRISE Lab 依托 Kinova Gen3 协作机械臂，研发出PrioriTouch 智能框架，结合机器学习、触觉感知、数字孪生与分层控制技术，实现机械臂全臂接触偏好的在线自主学习，打造出更安全、更舒适、高度个性化的物理人机交互方案。该成果以机器人辅助床旁洗浴为典型应用场景落地验证，为护理机器人、协作机器人领域开辟了全新的技术路径，也为人机物理交互的个性化发展树立了标杆。
护理类服务机器人的核心工作大多离不开肢体接触。床旁洗浴、协助穿衣、搀扶转移等场景中，机械臂需要同时与人体多个部位产生接触，而人体不同区域的疼痛感知、受力耐受阈值存在显著差异。与此同时，每个人的体感偏好各不相同，同一使用者在不同时段的身体状态、舒适感受也会发生变化，这就对机器人的接触控制能力提出了动态适配要求。
长久以来，市面上绝大多数护理机器人采用固定控制策略，按照预设轨迹、固定力度完成作业，存在三大难以逾越的痛点。首先是舒适性不足，统一的接触力度与姿态无法匹配人体差异化的体感需求，部分使用者会出现肢体酸胀、刺痛等不适感；其次是安全隐患突出，固定阈值难以应对突发状况，机械臂刚性接触容易对行动不便、感知能力较弱的人群造成磕碰、挤压伤害；最后是适配性极差，标准化程序只能应对单一场景与固定人群，无法实现一人一策的个性化照护，极大限制了护理机器人的落地范围与使用体验。
康奈尔大学 EmPRISE Lab 深耕机器人日常辅助技术研发，实验室聚焦行动障碍人群的日常生活辅助（ADLs），整合传感、感知、运动规划、机器学习与运动控制等全栈机器人技术，专注于非结构化人居环境下的智能机器人自主化研究。面对护理机器人的行业共性难题，团队决定以全臂物理人机交互为切入点，摒弃传统机器人仅依靠末端执行器作业、将臂身接触视为碰撞规避的固有思路，主动利用机械臂全域接触完成护理任务，同时研发全新算法框架解决个性化适配问题。
为破解传统方案的弊端，EmPRISE Lab 团队自主研发PrioriTouch 偏好学习框架，将人体接触偏好学习转化为基于控制目标的排序学习问题，搭配 Kinova Gen3 协作机械臂、分布式触觉传感、分层操作空间控制器（H-OSC）、LinUCB-Rank 上下文老虎机算法以及仿真在环数字孪生技术，构建一套集感知、决策、学习、验证、执行于一体的闭环系统，从底层重构护理机器人的人机交互逻辑。
整套系统的基础执行单元为 Kinova Gen3 机械臂搭载的分层操作空间控制器（H-OSC）。在床旁洗浴等典型场景中，控制器会首先规划出顶层参考运动轨迹，也就是擦拭、移动等标准作业路径。系统运行的每一个时间节点，PrioriTouch 框架会对两类核心控制目标进行优先级排序：一是位姿跟踪，保障机械臂按照预设轨迹完成护理作业；二是分区域力度调节，针对人体不同接触部位设置专属受力规则。
排序完成后，系统依托严格零空间分层架构执行任务。高优先级的接触任务会被优先保障，确保关键接触区域的力度、姿态始终符合安全与舒适标准；低优先级任务则利用机械臂剩余运动冗余空间完成。这种设计的优势十分明显：多部位同时接触时，不会出现任务冲突，既保证核心接触区域的体验，又不影响整体作业流程，完美适配床旁洗浴这类多触点同步交互的复杂场景。
用户的主观体感反馈是机器人优化策略的核心依据。在实际使用中，使用者仅需给出简单的稀疏反馈，例如 “左臂接触不舒服”“力度偏大” 等直观描述，系统便会结合两大数据源完成模型迭代：一是 Gen3 机械臂分布式触觉皮肤采集的实时接触力数据，精准捕捉每个接触区域的实际受力情况；二是用户主观体感反馈，弥补纯数据无法判断 “体感舒适度” 的缺陷。
团队创新提出LinUCB-Rank 新型上下文老虎机算法，专门用于更新控制目标的优先级排序。区别于传统算法，该算法能够快速从碎片化反馈中挖掘用户偏好规律，动态调整不同身体部位接触任务、末端作业任务的优先级顺序。随着交互次数增加，算法会持续优化排序逻辑，逐步贴合使用者的个人习惯，真正实现 “越用越懂人” 的个性化交互。
安全是人机物理交互的底线，也是本次技术方案的最大亮点。为了避免机器人在试错学习过程中对人体造成伤害，团队引入仿真在环数字孪生技术，构建虚实联动的安全验证机制，让机器人的每一次策略更新都先仿真、再落地。
整套流程分为四个阶段：第一，接收用户反馈后，机械臂立即小幅回缩，暂停与人的直接交互；第二，数字孪生系统同步复刻当前机械臂姿态、接触状态与人体环境，在虚拟场景中遍历、测试多种全新的优先级排序策略；第三，算法对虚拟场景中的各类策略进行效果评估，筛选出舒适度高、力度合规、任务流畅的最优方案；第四，将验证完成的全新策略下发至实体机械臂，恢复真实人机交互。
数字孪生的介入，彻底杜绝了 “真人试错” 的风险，同时大幅提升数据利用效率。机器人无需在真实场景中反复试探，仅依靠虚拟仿真完成策略迭代，在保障安全的前提下，让偏好学习变得更加高效、稳定。
一套先进的算法框架，离不开高性能硬件平台的支撑。EmPRISE Lab 多年来持续选用 Kinova Gen3 协作机械臂开展护理机器人相关研究，本次 PrioriTouch 系统也完全基于该平台搭建。Kinova 作为全球协作机械臂领域的领军企业，其产品广泛应用于工业、科研、医疗康复与辅助机器人领域，而 Gen3 凭借紧凑结构、柔顺控制、丰富拓展性等特性，成为物理人机交互研究的首选设备。
从实际应用需求出发，实验室选择 Kinova Gen3 主要基于四大核心优势。第一，结构紧凑，适配场景广。该机械臂体型小巧，支持多种安装接口，可灵活集成在轮椅、护理床等设备周边，完美适配居家、养老机构等空间狭窄的照护环境，解决了大型机器人无法靠近床边作业的行业难题。第二，柔顺扭矩控制，接触更安全。机械臂具备高柔顺特性，受力时可灵活缓冲，不会产生刚性冲击，搭配分布式触觉皮肤后，能够精准感知接触力度，是人体近距离物理交互的核心保障。
第三，开发友好，拓展性极强。Gen3 配套完善的 API 接口与原生 ROS 系统集成能力，部署便捷、调试高效，可无缝对接实验室自研的触觉传感模块、分层控制器与仿真工具。科研团队无需花费大量时间适配硬件，能够聚焦于算法、交互逻辑等核心研究内容，大幅缩短项目研发周期。第四，稳定性出众，支持全臂交互。传统协作机械臂大多仅支持末端作业，而 Gen3 支持全臂可控，允许机械臂全域与人体产生可控接触，恰好匹配团队 “全臂物理人机交互” 的研究方向，助力研究突破末端交互的局限。
康奈尔大学 EmPRISE Lab 联合 Kinova Gen3 机械臂打造的 PrioriTouch 系统，不仅是一项前沿学术研究成果，更为整个服务机器人、医疗护理机器人行业提供了可落地、可复制的技术范式，其价值覆盖科研、产业、民生三大维度。
从科研领域来看，该方案打通了 “触觉感知 - 机器学习 - 分层控制 - 数字孪生” 的技术链路，将排序学习、上下文老虎机算法成功应用于物理人机交互场景，拓展了协作机械臂的应用边界。同时，“仿真在环 + 在线学习” 的安全架构，也为所有涉及人体接触的机器人研究提供了安全研发思路，推动全臂人机交互技术从理论走向实测。
从产业落地角度分析，当前国内养老、助残市场需求持续爆发，护理人力短缺问题日益凸显。传统标准化护理机器人体验差、接受度低，而 PrioriTouch 所代表的个性化交互技术，恰好击中行业核心痛点。未来该技术可快速迁移至协助穿衣、体位转移、康复辅助、陪护交互等多个护理场景，推动护理机器人从 “能用” 向 “好用、愿用” 转型，加速智能养老、智能助残设备的商业化落地。对于机器人研发企业与科研机构而言，Kinova Gen3 这类高适配协作机械臂，搭配个性化接触学习算法，将成为下一代护理机器人的主流技术组合。
放眼未来，人机物理交互必然朝着个性化、智能化、高安全性方向持续演进。PrioriTouch 框架并非终点，而是一个全新的起点。Blue机器人是kinova机器人官方合作伙伴，有哈工大，多伦多大学等背景，提供具身成套机器人设备，后续研究可进一步融合视觉感知、语音交互、情绪识别等多模态技术，让机器人不仅能感知物理接触的舒适度，还能读懂用户情绪，实现 “物理交互 + 情感交互” 的深度融合。同时，随着算法轻量化、硬件成本持续下降，这类先进技术也将逐步走出实验室，走进普通家庭、养老机构、康复中心，成为智慧民生体系中不可或缺的一环。
扫一扫
193
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
