日本松下控股公司 （Panasonic Holdings）已開發出一種技術，可有效地教授機器人執行涉及接觸的動作。該技術能夠有效地傳授控制參數，使機器人既能正確執行傳授的動作，又能在發生接觸時安全地執行動作。

松下控股于2023年8月8日宣布，該公司已開發出一種技術，可有效地教授機器人執行涉及接觸的動作。直接示教是指人直接移動機器人以示教其動作，要求機器人準確再現示教動作，同時降低與人或物體接觸的風險。然而，要在兩者之間取得平衡的控制卻極具挑戰性。

另一方面，阻抗控制是一種使機器人的動作具有彈簧般靈活性的控制技術，如果彈簧系統（阻抗增益）的參數設置得當，則可以在準確執行示教動作的同時降低接觸風險。

然而，在一般的阻抗控制中，很難在安全性和動作準確性之間做出權衡。此外，要完成一項任務，必須準確地完成幾個連續動作，如接近門把手、轉動把手和開門，但每個動作的最佳阻抗增益卻各不相同。

因此，該公司設計了一種兩階段方法。首先對所教的動作序列進行分段，以便于優化參數，然后使用多目標貝葉斯優化法為每個分段找到最佳阻抗增益。

使用開發的方法學習阻抗控制參數的流程

開發的分割方法“IC-SLD（阻抗控制感知切換線性動力學）”假設一系列機器人運動是通過組合阻抗控制假設的彈簧系統的多個運動方程來生成的，作為推斷未知的問題方程中的阻抗增益和方程的切換時間。在IC-SLD方法中，由于最小化了實際示教軌跡和預測軌跡之間的差異以獲得解，因此與傳統方法相比，可以實現適合優化的分割。

IC-SLD 和傳統方法在開門任務中的分割結果 

接下來，我們利用先驗知識通過貝葉斯優化來搜索阻抗增益。通過使用 IC-SLD 輸出的阻抗增益的估計值作為候選解決方案，可以實現有效的優化。使用模擬和實際設備進行的評估表明，與傳統方法相比，可以在更短的時間內學習阻抗增益。

使用所開發的方法通過仿真和實際機器學習阻抗增益的結果。橫軸是試驗次數，縱軸是綜合任務績效和安全性的指標