康奈尔大学联合丰田研究院推出全新人机交互框架 PrioriTouch，整套实体验证实验全部基于 Kinova Gen3 轻量化协作机械臂完成，为养老护理、康复机器人解决了全身臂多触点交互的舒适度难题。这项研究亮相 2025 机器人学习大会 CoRL，依托 Kinova Gen3 优秀的七自由度柔顺力控、开放开发生态与轻量化机身，首次实现机器人自主学习人体差异化触感偏好，在完成擦浴、肢体辅助等照护任务的同时，动态平衡人体不同部位接触压力，打通个性化安全物理人机交互落地的关键技术关卡。
养老、康复场景下的全身臂操控，是辅助机器人落地的核心技术路径。不同于仅依靠末端执行器作业的传统机械臂，全身臂操控依靠整条机械臂臂身与人体多点同步接触，能够覆盖卧床擦身、衣物穿脱、肢体移位等复杂护理动作，而 Kinova Gen3 之所以成为康奈尔团队唯一选定的硬件载体，核心源于它与生俱来的适配优势。
作为 7 自由度轻型协作机械臂，Gen3 自重轻巧、各关节内置高精度扭矩传感器，原生支持柔顺力控，近距离与人接触无需安全护栏；同时完整开放 ROS、Python、Kortex 开发接口，可无缝搭载分布式触觉皮肤、RGBD 视觉相机，能够同步采集多触点受力数据、人体姿态信息，完美支撑 PrioriTouch 多感知融合、分层力控、数字孪生仿真闭环的整套技术链路，也是当下科研领域护理人机交互实验的主流硬件平台。
但即便依托 Kinova Gen3 优秀的底层力控硬件，传统控制方案依旧存在难以调和的核心矛盾。在卧床擦浴典型场景中，Kinova Gen3 机械臂执行擦拭动作时，上臂、前臂、末端会同时贴合人体躯干、大腿、手臂三处区域，不同身体部位耐受压力阈值完全冲突：躯干皮肤柔软敏感，只能承受极小接触力；腿部肌肉承压能力更强；末端海绵则需要稳定力度完成清洁。如果单纯依靠 Gen3 原生固定权重控制，要么优先保证清洁力度挤压敏感躯干，要么降低整体力度导致清洁任务失效；而启发式被动调节方案，仅在压力超标后滞后调整，修改一处触点受力会同步抬升其他区域压力，反复触发使用者不适反馈，大幅增加老人、残障人群的沟通负担。
康奈尔团队前期面向 98 位涵盖中老年、残障群体的受试者开展大规模人体触感调研，将人体划分为 37 个独立区域，量化得出不同部位的舒适力阈值与触碰接受度。数据证明人与人之间触感偏好差异极大，统一参数无法适配所有使用者，直接在 Kinova Gen3 真机上反复试错调节力度，极易造成人体挤压疼痛，存在明显安全隐患。针对这一痛点，PrioriTouch 跳出统一力度调节思路，依托 Kinova Gen3 高频实时控制能力，把人体接触偏好转化为控制目标排序问题，搭配三大核心创新模块，充分释放 Gen3 全身臂多触点操控潜力。
第一个核心创新为 LinUCB-Rank 上下文老虎机排序算法，专门适配 Kinova Gen3 多触点耦合控制场景。传统 LinUCB 算法仅能优化单一目标，无法处理机械臂整条臂身多点同时接触带来的约束冲突，而 LinUCB-Rank 可以将 Kinova Gen3 每一处人体接触、末端清洁任务划分为独立控制目标，动态生成优先级序列。算法实时读取 Gen3 内置关节扭矩传感器、外置触觉皮肤采集的各部位接触压力，结合 RGBD 相机捕捉的末端轨迹误差构建上下文特征；逐轮贪心筛选最优优先级，充分考量 "提升某一触点优先级会压缩其余触点调节空间" 的耦合关系；使用者仅需简单口语描述不适部位，无需提供精准压力数值，系统即可快速更新排序策略。团队专门对照两种反馈交互方式，11 名受试者的认知负荷实验证实，描述式口语反馈脑力消耗、烦躁感显著更低，更适配 Kinova Gen3 面向老年、行动不便人群的护理使用场景。
算法输出优先级序列后，依靠 H-OSC 分层操作空间控制器，将高层偏好转化为 Kinova Gen3 底层关节扭矩指令，零空间投影机制是整套柔顺控制的核心。基于 Gen3 机器人动力学模型，控制器递归计算零空间投影矩阵，划分两类控制目标生成力矩输出：一类是末端位姿跟踪目标，保障 Kinova Gen3 完成擦拭、搀扶等既定护理轨迹；另一类是人体压力约束目标，一旦 Gen3 触觉传感器采集到受力超过个性化舒适阈值，立刻反向生成柔顺力矩降低接触压力。当使用者反馈腹部不适时，系统直接将腹部压力约束提升至最高优先级，Kinova Gen3 其余所有臂段动作全部让步，优先释放腹部接触力，同时尽可能不中断末端清洁任务，在 Gen3 硬件基础上实现舒适与作业效率兼顾。
仿真在环虚实闭环学习，是保障 Kinova Gen3 人机交互安全的关键设计，彻底规避真机直接试错带来的人体不适感。整套流程依托数字孪生复刻 Kinova Gen3 与人体交互场景，完整运行逻辑清晰可控：当使用者反馈触感不适，系统同步记录 Gen3 各触点受力、人体姿态数据；机械臂自动回撤至预设无接触安全姿态，脱离人体；虚拟环境中复刻 Kinova Gen3 完整运动模型，LinUCB-Rank 迭代测试各类优先级排序，筛选最优策略；仿真收敛后，Gen3 重新贴近人体，搭载更新后的控制逻辑继续完成护理任务。即便数字孪生模型存在小幅建模误差，Kinova Gen3 优秀的底层力控依旧保证系统稳定学习偏好，仿真迭代平均收敛时长 52 秒，随交互次数增加缩短至 30 秒以内，不会长时间中断照护流程。
康奈尔团队搭建三级递进验证体系，全部以 Kinova Gen3 机械臂为硬件载体，对比固定优先级、启发式调节、传统 LinUCB 三大基线方案，多项指标均实现统计学显著提升。第一阶段多球体仿真测试，用球体模拟人体差异化受力区域，随着接触点数量增多，LinUCB-Rank 样本效率优势持续放大，4 触点场景仅需基线三成左右用户反馈即可收敛最优策略。第二阶段卧床擦浴仿真与 3D 迷宫真机实验，仿真场景中 Kinova Gen3 同时与人 7 处身体区域接触，PrioriTouch 方案压力阈值违规次数比固定优先级降低 65%，相比启发式调节降低 42%，任务完成时长仅小幅增加；实体迷宫测试中，Kinova Gen3 沿预设轨迹行进，立柱模拟人体敏感区域，一旦受力超标自动回撤仿真优化策略，再继续抵达目标，全程运动顺滑无剧烈挤压卡顿，充分发挥 Gen3 七自由度灵活运动、全域力感知的硬件优势。
第三阶段真人卧床擦浴对照实验，8 名受试者分别使用搭载启发式基线与 PrioriTouch 框架的 Kinova Gen3 机械臂完成肢体清洁，从任务完成度、安全感、舒适度 1-5 分打分。启发式方案平均得分：任务 2.53、安全 4.59、舒适 4.65；搭载 PrioriTouch 的 Kinova Gen3 得分提升至任务 3.06、安全 4.65、舒适 4.82，8 人中有 7 名受试者明确更愿意使用这套优化后的 Kinova 护理机械臂，用户反馈集中于 "机械臂调整后接触流畅柔和，没有生硬挤压""能记住我腿部不耐压，全程力度恰到好处"。前期 98 人规模人群调研数据为 Kinova Gen3 提供初始保守先验参数，机器人初次交互即可输出贴合大众舒适区间的力度，大幅缩短个性化学习周期。
依托 Kinova Gen3 硬件落地的 PrioriTouch 框架，拥有广阔落地场景。一是养老卧床照护场景，搭载全套触觉感知的 Gen3 机械臂完成床旁擦浴、穿衣、移位，降低护工体力消耗，适配失能、半失能老人；二是康复理疗场景，Gen3 高精度力控搭配偏好学习框架，针对关节、软组织设置差异化压力约束，规避康复训练二次损伤；三是工业人机协同场景，Kinova Gen3 协作机械臂适配装配工位，区分操作人员躯干、手臂耐受度，实现柔性安全交互；四是陪护人形机器人辅助单元，Gen3 可完成搀扶、轻拥抱等社交接触，适配不同人群亲密触碰边界。
目前整套基于 Kinova Gen3 的方案仍存在优化空间，也是康奈尔团队后续重点研发方向。整套系统性能高度依赖 Gen3 外置分布式触觉皮肤、高精度视觉捕捉设备，低成本传感硬件会降低力度调节精度，未来团队将优化轻量化感知模块，降低 Kinova 机械臂整套部署成本；当前系统对模糊口语反馈识别能力有限，后续计划融合面部微表情、肌肉张力多模态信号辅助判断人体舒适度；现阶段 Kinova Gen3 需要提前导入全身臂交互轨迹，下一步将结合接触感知路径规划，让机械臂自主生成适配人体轮廓的柔顺运动路径；现有真人测试样本量有限，团队计划联合养老机构开展长期实地试验，针对行动不便人群优化 Kinova 专属交互参数。
长久以来，Kinova Gen3 凭借轻量化、柔顺力控、开放开发生态，成为全球科研机构护理、康复人机交互实验的首选硬件，但此前行业缺少一套能够动态适配人体差异化触感偏好的上层控制框架，机械臂统一力度输出始终难以平衡任务需求与人体舒适。康奈尔 PrioriTouch 框架的落地，补齐了 Kinova Gen3 在个性化多触点交互层面的软件短板，搭建起 "人体感知采集 - 触感偏好自主学习 - 分层柔顺力控 - 数字孪生安全迭代" 完整技术链路，把人类主观模糊的舒适感受转化为 Kinova 机械臂可计算、持续迭代优化的量化控制目标，而仿真在环的创新设计，更是解决了协作机器人真机试错的核心安全痛点。
随着人口老龄化持续加剧，居家护理、康复辅助机器人市场需求快速攀升，以 Kinova Gen3 为代表的轻型协作机械臂，早已不只是单纯的执行硬件载体，行业对机械臂的需求正从 "能完成动作" 转向 "懂得贴合人体感受"。PrioriTouch 与 Kinova Gen3 的软硬件结合方案，为服务机器人行业树立了标准化开发范式，未来兼具柔性触觉感知、在线偏好自主学习、虚实闭环安全优化的全身臂人机交互系统，会成为养老、康复机械臂的标配技术。
康奈尔大学这项基于 Kinova Gen3 机械臂的研究，核心价值不在于单一算法突破，而是打通了硬件与上层智能控制的适配通路。Kinova Gen3 优秀的底层柔顺力控、多传感器集成能力为 PrioriTouch 算法提供落地基础，而 PrioriTouch 框架则充分释放 Gen3 七自由度全身臂操控的全部潜力，让机械臂触碰拥有适配每个人的分寸感。当 Kinova Gen3 能够自主区分后背可适度施力、腹部必须轻柔贴合，护理机器人才真正具备贴近普通人生活的实用价值。这套软硬件一体化方案，不仅为康奈尔后续照护机器人研究筑牢基础，也为全球基于 Kinova 机械臂开展人机交互研发的实验室，提供了一套安全、高效、可落地的个性化触感适配解决方案，为人形、护理协作机器人的商业化落地指明了以人为本的研发核心方向。