ergoCub：面向人机协作的共享具身智能人形机器人

摘要

协作是人类行为的核心，使人能够完成超越个体能力的任务。这种能力源于通过对他人的内部表征来协调行动——即所谓的共享智能（shared intelligence）。人类还具有优化以适应环境的身体和认知能力，这被称为具身认知（embodied cognition）。设计能够安全有效地与人协作的人形机器人，需要统一这些原则。

本文发表于 Nature Machine Intelligence，提出了一种整合共享智能和具身认知的架构，使机器人能够与人进行物理协作。在该架构中，机器人的硬件和控制针对人体工程学指标进行联合优化，利用人体表征和运动智能。具体实现是由意大利技术研究院（Istituto Italiano di Tecnologia, IIT）与国家工伤保险研究院合作开发的人形机器人 ergoCub。

共享具身智能

所谓共享具身智能，作者指的是将共享智能与具身认知相结合，赋予智能体针对与其他存在协作而优化的物理属性和认知能力。该架构能够同时优化机器人的物理智能和硬件特性，不仅考虑任务和环境，还考虑潜在伙伴（无论是人类还是机器人）的物理智能和属性。

人形机器人是目标平台，因为其类人形态使物理交互更自然，并便于在为人类设计的环境中执行任务。ergoCub 机器人是该架构的具体产物，其名称结合了"ergo"（人体工程学）和"Cub"（指代作为优化起点的 iCub 人形机器人）。

架构设计

共享具身智能架构是模块化的，由适用于各种机器人任务的不同模块组成，可有人类协作者或无人协作。两个关键元素定义了该框架：

• 智能体设计——人体属性和机器人硬件特性。
• 物理智能表征——定义智能体运动以实现期望行为的组件，包括轨迹模块、传感器/感知系统和肌肉/执行器。

对于人类和机器人，均采用分层控制架构对物理智能进行建模，在两个智能体之间建立对称性。关键模块包括：(1) 用于关节级驱动的肌肉/执行器；(2) 用于感知环境和智能体状态的传感器/感知系统；(3) 用于生成、细化和执行轨迹的轨迹规划、调整和控制模块。

硬件优化：为人体工程学而设计

优化问题定义了两个主要目标。第一是改善人-机协作提升过程中的人体工程学，通过最小化两个智能体的能量消耗（量化为关节力矩），在多种静态提升配置下进行。第二是提升行走性能，通过提高机器人质心（CoM）来增加系统带宽和鲁棒性。

与原始 iCub3 设计相比，优化模型在所有负载高度下都降低了人体背部应力，最大缓解出现在腰骶关节（L5–S1）——该区域在提升过程中特别容易受到高压缩力的影响。所选的"绿色"方案独特地支持高达 1.5 m 的提升任务，同时在几乎所有高度下都降低了背部力矩。

从识别出的最优肢体长度出发，团队使用金属延长件构建了 ergoCub 以达到所需尺寸。机器人比 iCub3 高约 0.25 m，但仅重 56.70 kg——比 iCub3 重约 4 kg，且由于专门的制造优化过程，比优化预测的 70 kg 轻得多。

物理智能：协作与行走

在优化硬件的基础上，控制架构同时处理协作和行走。对于协作，框架将人和机器人的物理智能镜像为分层系统。这种对称性使机器人能够考虑人类伙伴的行为并识别增强协作的策略。

在测试场景中，机器人与人类伙伴协作操作不同重量的负载：空载、1 kg 和 2 kg。协作过程中，机器人跟随人类的运动，同时持续监测人类的工程学应力。通过测量参与者的身高和体重初始化人体模型，然后使用非侵入式可穿戴传感器的数据持续更新。

结果令人瞩目：空载时 L5–S1 峰值力矩从 43.95 Nm 降至 24.88 Nm，1 kg 负载时从 50.66 Nm 降至 25.77 Nm，2 kg 负载时从 44.88 Nm 降至 31.82 Nm。机器人还使用头部 LCD 屏幕显示表情反馈，提示人类是否处于高或低应力状态。

行走性能

优化过程还专门旨在增强机器人行走能力。与前代 iCub3 相比，ergoCub 行走更快更平稳：最大步长达到 0.35 m（iCub3 为 0.28 m），最小步态周期为 0.5 s（iCub3 为 0.8 s）——使用相同的行走指令和控制架构。

机器人可以在调整名义脚步的同时承载 6 kg 额定负载以对抗持续干扰，并能在承受 60–100 N 的脉冲推力时完成直线行走任务。

从优化到真实硬件

优化输出与制造机器人之间的差异来自三个方面：(1) 为保证非线性优化可处理性而做的几何简化；(2) 简化的惯性假设，如均匀密度分布；(3) 实际制造约束。尽管存在这些挑战，ergoCub 机器人成功保留了优化过程带来的人体工程学改进。

团队提出了几种减少 sim-to-real 差距的策略，包括将连杆分解为子组件、引入材料相关密度分布，以及通过原型实现后的校准循环进行渐进式模型细化。

讨论与未来方向

本文的贡献在于提出了一种设计人形机器人的方法论，在硬件设计阶段就明确考虑人类舒适度和任务要求——而不仅仅是在实现机器人行为时。ergoCub 机器人是该方法论的具体实现，展示了如何将人体表征嵌入机器人的身体和物理智能中。

未来扩展包括在机器人物理智能中集成短时程人体运动预测、编码涉及多个人类伙伴的协作场景，以及评估长期交互流畅性和跨人群主观舒适度的更广泛用户研究。

开源与可用性

架构、控制器和可微模型已公开发布：

• github.com/ami-iit/adam — 可微机器人动力学
• github.com/ami-iit/shared-controllers — 共享控制框架

---

本文原文来源：Nature Machine Intelligence。中文版由 RobotWorld 编辑团队翻译整理，已去除原文中的商业推广内容。