在家庭环境中，机器人需要具备顺应性，并能够对接触时的扭矩和力反馈做出反应，以确保安全。然而，目前大多数数据收集管道仍缺乏捕捉扭矩和力数据的能力，从而无法学习主动顺应政策。本文提出了一种通用操控外骨骼（UME），这是一种上肢外骨骼，能够在记录整个手臂的配置和关节扭矩信号的同时，提供实时的触觉扭矩反馈。通过透明的扭矩反馈，人类操作员甚至可以在蒙住眼睛的情况下，操控运动受限的物体。UME 具有低成本、轻便和便携的特点，配备了嵌入式 IMU，支持移动操控。通过我们提出的通用重定向算法，UME 可以远程操作多种机器人，包括 7DoF OpenArm、7DoF Franka 和 6DoF X-ARM。我们展示了这些能力的结合使得在高度受限的空间中学习双手、全身及主动顺应政策成为可能。这些学习到的鲁棒自主政策在多种任务中实现了高成功率，包括长时间的移动操控、力介导的箱子翻转、视觉遮挡的箱子推动以及空间受限的桌面操控。视频、代码和更多信息可以在 UME 官方网站 找到。
博主点评： UME 通过实时的扭矩反馈和灵活的重定向算法，极大地提升了机器人在复杂环境中的操控能力。这种技术不仅为机器人提供了更高的安全性和适应性，也为未来的智能家居应用铺平了道路。