机器人之间如何“心有灵犀”：通过理解彼此意图来协调行动

传统模仿学习要求机器人必须和示范者拥有相似的身体结构和环境条件，才能照搬动作，因此难以推广到形态各异的机器人或新场景中。本文提出的‘意图对齐模仿学习（IAIL）’框架突破了这一限制：它不复制具体动作，而是先将人类用自然语言标注的高层次‘意图’（例如‘安全地递送物品’‘避开障碍物’）与机器人实际执行的动作关联起来，构建一个共通的‘意图空间’。这样一来，哪怕两台机器人手臂长度、驱动方式完全不同，只要它们都理解同一个语言意图，就能各自生成适合自身结构的合理动作。该方法还支持异构机器人团队根据各自能力（如有的擅长搬运、有的擅长定位）自动分配任务。研究团队在真实环境中用7种差异显著的机器人（包括轮式、足式、机械臂等），完成了涵盖30种不同布局、障碍和任务目标的多步骤协作实验（如协同搬运、组装、递送）。结果表明，IAIL能让机器人在身体形态、运动方式（如轮式滚动vs.足式行走）、任务配置（如目标位置、障碍物分布）等多重变化下，依然稳定地实现符合原始意图的行为，从而真正实现跨平台、可泛化的智能协作。