《具身智能入门教程》

---

1 欢迎来到物理世界

---

2 点亮感官认识世界

---

3 建立身体行动自如

---

4 构建思维开启决策

---

---

你不需要给机器人编程，你只需要做一遍给它看。

在传统的机器人编程中，工程师需要为每一个动作写出精确的坐标、速度和力矩指令——比如“将机械臂末端移动到 (x=0.32, y=0.15, z=0.08) 处，以 0.5 m/s 的速度闭合夹爪”。这不仅枯燥，而且脆弱：只要工作台偏移一厘米，整个程序就失效了。

示教学习（Learning from Demonstration, LfD） 提供了一条截然不同的路径：让人类直接演示任务，机器人观察并复现。就像师傅带徒弟，徒弟不需要理解力学方程，只需认真看、认真模仿。

1. 核心思想：从“编程”到“演示”

示教学习的流程可以浓缩为三个步骤：

  人类演示（多次）  →  记录轨迹数据  →  机器人泛化并复现

• 人类演示：可以是物理拖动机械臂（动觉示教），也可以是佩戴动作捕捉设备，甚至只是用摄像头拍下人类操作视频。
• 记录数据：系统记录下关节角度、末端位置、力/扭矩信号等时序数据。这些数据构成了一条或多条轨迹（Trajectory）。
• 复现与泛化：机器人不仅要在相同起始条件下照搬轨迹，还要能适应轻微变化（比如目标物体挪动了 5 厘米）。

2. 轨迹：示教学习的“原材料”

一条轨迹就是状态随时间变化的序列。在机器人领域，状态通常包括：

• 关节空间：$\mathbf{q}(t) = [q_1(t), q_2(t), \ldots, q_n(t)]^\top$（$n$ 个关节的角度）
• 任务空间：$\mathbf{x}(t) = [x(t), y(t), z(t), \phi(t), \theta(t), \psi(t)]^\top$（末端位姿）

一次拖动示教会生成一条样本轨迹：

$$ \tau = { (\mathbf{q}_0, \mathbf{x}_0), (\mathbf{q}_1, \mathbf{x}_1), \ldots, (\mathbf{q}_T, \mathbf{x}_T) } $$

其中 $T$ 是时间步数。多条演示轨迹构成数据集 $\mathcal{D} = {\tau_1, \tau_2, \ldots, \tau_m}$。

关键难点：人类演示的轨迹不是唯一的，且可能包含抖动、犹豫甚至错误。示教学习必须能从少量、次优的演示中提取出核心意图。

3. 最经典的方法：动态运动基元（DMP）

DMP 是示教学习领域最经典的算法之一。它将一条复杂轨迹分解为两部分：

$$ \ddot{y} = \alpha_y (\beta_y (g - y) - \dot{y}) + f(x) $$

• $y, \dot{y}, \ddot{y}$：位置、速度、加速度（标量或向量）。
• $g$：目标位置（吸引力项）。
• $\alpha_y, \beta_y$：阻尼系数（保证系统稳定收敛到 $g$）。
• $f(x)$：强迫函数（Forcing Function），用来拟合演示轨迹的“形状”。

强迫函数是时间 $t$ 的非线性函数，通常用径向基函数（RBF）逼近：

$$ f(x) = \frac{\sum_{i=1}^{N} \omega_i \Psi_i(x)}{\sum_{i=1}^{N} \Psi_i(x)} \cdot x $$

其中 $\Psi_i(x)$ 是高斯核函数，$\omega_i$ 是学习到的权重。

训练时，我们从演示轨迹中反推 $f(x)$ 的期望值，然后用线性回归求解 $\omega_i$。复现时，给定新的起始点 $y_0$ 和目标 $g$，DMP 会自动生成一条平滑且形状相似的轨迹——实现了泛化。

4. 更直接的方法：学习策略（行为克隆）

行为克隆（Behavioral Cloning, BC）将示教学习看作一个监督学习问题：

• 输入：当前状态 $\mathbf{s}$（如关节角度、物体位置）。
• 输出：当前动作 $\mathbf{a}$（如关节速度或末端速度）。

训练集就是演示数据中的状态-动作对 ${(\mathbf{s}_t, \mathbf{a}_t)}$。我们用神经网络或高斯过程回归来拟合映射：

$$ \mathbf{a} = \pi(\mathbf{s}) $$

优势是极其直观，劣势是分布漂移（Distributional Shift）——当机器人执行时，由于微小误差，它可能会进入训练数据中从未见过的状态，导致错误累积。这就像学车时只记住了直路的打轮角度，但到了弯道就慌了。

5. 克服分布漂移：DAgger 算法

DAgger（Dataset Aggregation）是一种交互式方法，核心循环如下：

1. 用当前策略 $\pi$ 执行任务，收集新轨迹。
2. 让人类专家对这些新状态提供“正确动作”标签。
3. 将新数据加入训练集，重新训练 $\pi$。
4. 重复多次。

这样，策略就能逐渐“看到”自己可能犯错的状态，并提前学习如何纠正。

6. 除了轨迹，还能模仿什么？

示教学习远不止复制位置轨迹，还可以模仿：

• 力/阻抗特性：在装配任务中，演示者施加的柔顺力比位置更重要。此时记录力传感器数据，学习力控制策略。
• 视觉注意力：通过眼动追踪，学习专家在看哪里，从而引导机器人优先处理关键区域。
• 高级子任务序列：将演示分解为“抓取 → 搬运 → 插入”等阶段，学习任务图（Task Graph）。

7. 现实挑战：示教学习的“三条命门”

挑战	说明	常用对策
多模态演示	不同专家用不同方式完成同一任务（如有的先抓柄，有的先抓底座）	引入潜变量模型（如高斯混合模型 GMM）来聚类
高维动作空间	拟人机器人有几十个自由度，人工演示难以覆盖全部	降维 + 子空间投影（如主成分分析）
安全与泛化	机器人可能在未见状态做出危险动作	设置硬约束（力限制） + 保守的置信域策略

8. 和强化学习的本质区别

维度	强化学习（RL）	示教学习（LfD）
初始知识	完全随机	已拥有示范经验
反馈来源	奖励信号（可能稀疏）	专家动作标签
探索负担	巨大（全靠试错）	很小（从示范附近开始探索）
最终性能	可能超越人类	通常受限于示范质量

两者经常结合：先用示教学习获得一个“还不错的”初始策略，再通过 RL 进行微调（如 DAPG 算法）。

9. 一个生活化的类比：教孩子系鞋带

• 传统编程：给孩子一张纸，上面写着“左手捏住左绳，绕右绳一圈，从下方穿出……”。孩子记不住。
• 示教学习：你坐在孩子旁边，慢慢地系一遍鞋带，同时说“你看我的手”。然后让孩子自己来，如果卡住了，你再示范一次。

孩子的大脑相当于一个 DMP 或神经网络——他不复制你的绝对手指坐标，而是记住关键节点（交叉、打结、拉紧）和整体节奏。即使鞋带的长度稍有不同，他也能调整。

10. 未来展望：示教学习 + 大模型

近年来，大型视觉-语言模型（VLM）为示教学习打开了新的大门。我们可以用自然语言 + 视频演示来教学：

“请像这样把红色方块叠到蓝色方块上。”

机器人利用预训练模型理解语义和视觉特征，无需精确轨迹演示，只需理解“叠放”这一概念的抽象含义。这标志着示教学习正从轨迹复制走向意图理解。

总结

示教学习不是让机器人“背答案”，而是让它“看解题思路”。它用最自然的方式（人类演示）来传递技能，同时用数学工具（DMP、行为克隆、DAgger）来处理不完美、多变和泛化问题。

如果你第一次接触机器人学习，不妨记住这句话：

最好的示教，不是告诉机器人每一步怎么走，而是让它看到成功的轨迹，并赋予它适应变化的能力。

从今天起，每当你完成一次熟练的手工操作（比如倒水、打字、拉拉链），你都可以想：如果让机器人看着我学，它能学会吗？——这，就是示教学习的起点。

---