机器人如何精准控制力度，一直是具身智能行业的困扰。

 

        一台机器人已经把薄片工具送到便利贴边缘，但最难的一步才刚开始：工具既要贴住桌面，又要沿着边缘向前；力小了撬不起来，力大了又可能顶住或滑开。

 

        在这项任务里，常规生成式操作策略的成功率只有30%。接上UniReflex后，成功率大幅提升至90%。重点在于，这次提升没有依赖整套模型重新训练，原有策略全部冻结，系统只增加了一个快速反射网络。

 

        近日，Xspark AI联合清华大学深圳国际研究生院、南洋理工大学、X Square Robot，重磅推出行业首个“即插即用”的机器人主动力控框架UniReflex。它面向Diffusion Policy、π₀、DreamZero等主流生成式策略，在不微调慢速主干的前提下，通过快慢反射耦合补上闭环力调控，显著提升持续接触任务的稳定性与成功率。

 

        Xspark AI致力于推动可信物理智能在真实世界中稳定、可信、安全地执行任务。UniReflex正是这一判断在执行层的又一次落地。

 

 

 

轨迹规划到位，不等于接触就能稳住

 

        现在的机器人操作策略很擅长根据图像规划动作。它们可以找到工具和目标，也能生成手臂接下来的运动轨迹，在桌面抓取、放置一类任务上表现不弱。

 

        但面对擦拭、插入、剥离、持续按压这类，既要接触、又对力很敏感的任务，机器人的表现往往很差。

 

        常见做法是一次生成一小段动作，再交给底层控制器照着跟随。方向未必错，但系统通常不会持续判断现在压得太重还是太轻，也不会及时调整手臂在不同方向上的软硬程度。

 

        位置到了，力道不对，任务仍然会失败。

 

        目前看来，生成式策略更擅长规划“手往哪走”，却不太会在碰到物体后持续管“该用多大劲”。如果为了补力控，把力信号硬塞进大模型里重新做端到端训练，不仅贵，还可能把已经学会的视觉和动作能力冲掉。

 

        而Xspark AI提出了一条更省事的思路：给原策略旁边外挂一层接触反射，而不是每次都重训整颗“大脑”。这也正是UniReflex的切入点。

 

 

 

把力控做成可外挂的快反射

 

        UniReflex的做法很直接：原来的生成式策略继续负责看图、规划动作，本身不需要重训；旁边再加一个专门管接触力的快速模块。

 

        原策略一次会给出一小段动作意图，这被研究团队称为“慢速意图”。慢的不是动作本身，而是指主策略还要处理图像、理解场景，再一次生成一段动作，很难跟上接触力的快速变化。UniReflex则在动作即将输出之前，读取这组意图，里面包含着“接下来准备往哪里走、这一段动作想完成什么”的线索。

 

        在此基础上，系统增加了一个快速网络，每秒运行约50次。它同时接收主策略意图，以及机器人刚测到的力、关节电流等本体反馈，每次回答三件事：下一小步往哪里修正、应该保持多大接触力、手臂在各个方向上应该有多硬。底层控制器每秒运行约200次，把这些结果立刻变成机械臂动作。

 

        至此，UniReflex的三层分工可以浓缩为一句话：主策略决定要做什么，快速网络判断手上发生了什么，底层控制器马上调整怎么用力。

 

原有策略负责生成动作意图，快速网络读取实时受力并输出位姿修正、期望力和手臂刚度

 

        快速网络需要知道什么样的力才是合适的。研究团队没有额外搭建一套复杂的力示教设备，而是利用原有遥操作记录：人控制主机械臂，机器人跟随；两边在接触时产生的位置差，可以反映操作者正在朝哪个方向施力。系统据此学习哪些方向应该更硬，哪些方向应该顺着环境变化。

 

        另一处关键设计是接触门控。机器人接触物体前，仍由原策略负责接近和对准；传感器确认接触后，快速网络才提高力和刚度调节的权重。这样既补上接触力控，又尽量不带偏原来已经会做的动作。

 

        这套设计刻意把两件事拆开：视觉与任务规划可以继续用通用数据来学；接触时怎么用力，则更依赖具体机器人、传感器和任务。如果硬塞进同一个模型里，换一种力传感或换一套控制器，往往整套都要重训。而UniReflex选择把快速反射单独拿出来，改动范围会小很多。

 

        论文也验证了同一反射接口可以跨策略迁移：Diffusion Policy、π₀与DreamZero，都能在主干冻结的条件下接入。

 

 

 

接触阶段成功率普遍提高20—60个百分点

 

        方法能否成立，最终要看真机。研究团队设计了五类双臂任务：擦曲面、擦斜面、插充电器、揭贴纸和翻转盒子。每个任务都分两段：

 

• 第一段：先接近、拿工具。(看原来会不会找目标和拿东西)

 

• 第二段：进入擦、插、揭、翻。(检验碰到物体后能不能控住力道)

 

 

五类任务都包含接近目标和持续接触两个阶段，物体还会发生滚动、移动、倾斜或形变

 

        只有前一段基本不变、后一段明显提高，才能说明新模块补的是接触能力，而不是把整题重学了一遍。

 

        接入UniReflex后，三种主策略在接近、拿取和移动阶段的成功率变化不超过10%，位置控制能力变化不大。差距主要出现在接触阶段。在擦拭、揭贴纸和翻转盒子等持续接触任务上，三种主策略的成功率普遍提高20%—60%。以其中一套策略为例，揭贴纸从30%升到90%，两项擦拭都从30%升到70%。相对RDP、ForceVLA、TA-VLA等端到端力感知基线，UniReflex也更好保住了原规划器的位置质量，并在多数接触子任务上达到或超过最佳单体结果。

 

        这说明，UniReflex能够在基本保持原有位置精度的前提下，显著提升了接触稳定性和成功率。

 

        为了进一步检验效果，团队故意把环境弄乱：揭贴纸时不断改变支撑面角度，擦曲面时按压板材使其变形，翻转盒子时突然碰动物体。原策略受到这些干扰后，只有10%—20%的测试能够恢复；加入UniReflex后，恢复率达到80%—100%，重新找回合适接触力仅需0.87—1.28秒。即便机械臂在接触前出现1—2厘米位置偏差，仍有70%—90%的测试能把后续动作救回来。

 

 

支撑面移动、板材变形或物体被碰动后，原策略容易失去接触，UniReflex会根据实时受力继续修正

 

        消融实验进一步说明提升依赖的是UniReflex整体系统。完整系统在三项任务上的接触成功率是70%—90%；取消动态刚度、改成固定刚度，或只预测作用力，成功率掉到20%—50%，受力误差明显变大。若把门控拿掉，让快网从一开始就介入，接近阶段只剩0%—30%，接触阶段只剩0%—10%。动态刚度负责在接触中稳住，门控负责保护原来已经会做的动作。

 

        值得注意的是，并非所有任务都同等收益，如插充电器没有获得稳定提升。原因在于，擦拭和揭取需要机器人在一段时间里持续贴住物体，快速网络有机会多次观察受力并逐步修正；插头进入插座的接触时间很短，瞬时冲击强，允许的位置误差又很小，系统还没来得及通过连续反馈调整，结果往往已经定了。目前，UniReflex解决的是持续接触中的快速调力，不是所有接触问题的统一答案。

 

        工程侧的变化同样直接。三种主策略接入后，只需要训练相当于主模型0.188%—0.375%的参数；在单张NVIDIA A800上，快速网络的单步反向传播时延大约比整模联合训练低25—66倍。

 

        这里的25-66倍指单步反向传播时延，并不等于完整训练周期也缩短同样倍数。它说明的核心是：UniReflex可以保留已经训练好的视觉和动作能力，只针对新的机器人、新的力传感器或新的接触任务更新一层较小的控制网络。

 

 

 

尾声

 

        从揭贴纸成功率提升，到扰动下仍能较快找回接触力，诸多数据已经证明了UniReflex思路的可行性：不动原策略，也可以把主动力控补上。

 

        但对具身智能落地来说，下一步真正重要的，往往不只是某一个任务分数变高，而是换机器人、换传感器、换接触任务之后，这层力控能否低成本复用。

 

        通用模型可以继续扩大数据和任务覆盖，但越靠近真实物体，摩擦、刚度、控制频率和硬件差异就越难被一个统一模型一次包办。因此，可复用的力控接口、遥操作中的施力数据，以及贴近硬件的快速适配层，正在成为连接通用策略与真实部署的关键一环。

 

        承载着让具身智能真正实现“可信”落地的使命，UniReflex仍将持续进化。

 

论文地址：https://arxiv.org/pdf/2608.17432

项目主页：https://unireflex.github.io/