力-力矩感知详解

机器人能以清晰的细节看着自己的手合拢握住一只杯子，却看不见玻璃开始裂开的那一瞬。视觉在接触的那一刻失明，而这恰恰是一项操作任务成败所系之处。力，是那个不会眨眼的感官。它实时地报告界面处正在发生什么，无论相机看不看得见。

这正是为什么力-力矩感知（force-torque sensing）会一再出现在那些能产出可靠富接触策略的数据集里，又为什么它在大多数廉价数据集中缺席。加一台相机很容易，配一条标定良好的力通道却不容易。这道鸿沟，正是许多机器人学习悄然成功或失败的地方。

力-力矩传感器到底测的是什么

一个六轴力-力矩传感器测量的是一个完整的力旋量（wrench）：三个力和三个力矩。力是 Fx、Fy、Fz，即沿各轴的推或拉，单位是牛顿。力矩是 Tx、Ty、Tz，即绕各轴的扭转，单位是牛顿·米。二者合起来，在一个点上完整地描述了工具与世界之间的机械交互。

为什么是六个数而不是一个？因为接触是有方向的。把一根轴笔直往孔里按，和稍微歪着按，手感是不同的，而这个差别就藏在侧向力和力矩里，而不在向下的推力上。只知道合力大小的策略，分不清这两者；能读出完整力旋量的策略，则能感到那点倾斜，并在轴卡死之前把它纠正过来。

力还开启了另一种运动方式。手里有了力旋量，控制器就能做到柔顺：它不再命令一个刚性的位置，而是命令一个目标力，让机械臂在遇到阻力时退让。机器人正是这样在不知道确切位置的情况下把抽屉推合，或凭手感把连接器插到位。而这一切，底下若没有一条干净的力读数，全都行不通。

视觉告诉机器人东西在哪里，力告诉它触碰发生的那一瞬正在发生什么。这两者之中，只有一个能挺过接触的那一刻。

装在哪里：手腕、指尖，还是关节

安装位置是一个有真实后果的设计决定。传感器可以装在手腕、装在指尖，或从关节推断出来，而每一种选择都在覆盖面、精度与脆弱性之间做取舍。

多数操作装置从腕部传感器起步，因为它的“信号对麻烦”之比最好。指尖触觉阵列补上了腕部传感器欠缺的定位能力，而这正是灵巧的手内任务所需要的，也是 Physical Intelligence 这类团队视为精细操作核心的一种模态。关节力矩与电流估计，则是无法加装专用传感器时的退路。

为什么接触数据既高价值又稀缺

这里有一个尴尬的经济学。在真实部署中最要紧的任务都是富接触的：装配、擦拭、工具使用、组装。它们恰恰是力承载着视觉无法提供之信息的任务。然而最大的那些机器人数据集，是用录制成本最低的东西堆起来的，也就是视频，于是力成了最常被略去的那条通道。

包含它的数据集因此格外显眼。RH20T 把力-力矩与视觉、触觉、音频一并录下，这也是它对重接触技能有用的部分原因。像 NVIDIA Isaac GR00T 这样的模型工作，以及 Toyota Research Institute 的大行为模型，都在意这一模态，因为一个训练时从未见过力的策略，在测试时也无从使用力。来自 Berkeley BAIR 团队的工作一再表明，接触反馈会改变一个操作策略所能尝试的边界。

底下还压着一个更难的问题。力很难从人类示范中采集，因为你没法在不给人的手加装仪器的情况下轻易测出他施加的力。一段某人组装零件的被动视频，录下了动作，却录不下那些牛顿。这是从普通人类视频里学习接触技能最尖锐的限制之一，也正是为什么直接记录力的带仪器采集，其价值远高于它原始时长所暗示的水平。

把力读好：带宽、漂移与标定

拥有一个力传感器，和拥有好的力数据，是两回事。有三件事把一条可用的通道与一条摆设般的通道区分开来。

带宽。接触事件很快。夹爪初次触到表面时的那个尖峰，可能几毫秒就结束，因此采样过慢的传感器会把你本想捕捉的那个瞬变抹平。富接触工作往往需要数百赫兹乃至更高的采样。

漂移与偏置。力传感器会随温度和受载历史而游移。若不定期重新置零，一条今早读数为零的通道，到下午就会读出一个稳定的假偏移，于是策略学到了一个并不存在的幻影力。

重力与惯性补偿。腕部传感器感到的是工具的重量和机械臂的加速度，而不只是接触。除非你把已知的工具重量与运动减掉，你真正想要的那个接触信号，就会被“机器人在挪动自己的手”所淹没。

机器人学习领域曾多年把操作当成一个视觉问题，只因视觉是唾手可得的数据。可在物理世界里真正付账的任务，恰是那些光靠看还不够的任务。一个能感到轴的倾斜、卡扣的松紧、抹布拖曳的机器人，是一个凭借相机从未拥有过的感官在工作的机器人。把那种感官采集好，用对的带宽、去掉偏置，是构建有用机器人数据时最不张扬的硬问题之一。