一次演示，多机通用：让机器人轻松学会彼此的技能

本文介绍了一种名为“运动学智能”的新型机器人技能迁移框架，目标是实现“示范一次、多台机器人通用”的实用效果。传统“示教学习”（LfD）方法通常只能在特定机器人上运行，一旦更换为形态不同（如连杆长度、关节方向或活动范围不同）的机器人，原有技能就会失效，必须重新训练。本研究的突破在于：不再把机器人物理约束（如关节极限、奇异点、连杆连接关系）当作后期修正项，而是将其作为核心知识，从一开始就嵌入到运动控制策略中。具体做法是：接收一个或多个人类示范动作，从中提取出一个全局稳定的动力学系统模型；再结合对三自由度旋转关节（3R）机器人结构的系统性数学分类（这类结构是多数商用机器人的基础模块），构建一种能在关节空间直接生效的通用策略。该策略既能忠实保留用户原始操作意图，又能自动适配不同机器人的具体物理限制。研究团队在大量仿真与真实机器人平台上进行了验证，涵盖冗余与非冗余构型、差异显著的连杆几何与关节配置。结果表明，仅用一次示范生成的技能，即可在各类机器人上安全、一致、免调参地执行，真正实现了跨平台、跨结构的技能复用。