Kinesthetic Teaching

• 又稱: lead-through programming, hand guiding, physical demonstration
• 類別: Learning & autonomy › Learning from demonstration
• 標籤: imitation-learning, demonstrations, human-robot-interaction, cobots, data-collection

透過親手引導機器人手臂完成任務來教導機器人，同時由機器人記錄自身的關節或末端執行器運動，直接在機器人自己的身體上取得示範。

定義

動覺教導（kinesthetic teaching）是一種提供示範的方式：由人握住機器人，帶著它完成任務。機器人的控制器讓手臂容易被移動，機器人則把自己的關節位置、末端執行器姿態，有時還有力，記錄下來作為示範。記錄的資料可以當作固定程式重播，也可以作為模仿學習的訓練資料。因此，動覺教導是一種收集示範的方式，而模仿學習是從示範中學習策略的一類方法，不論這些示範是以何種方式收集。在工業機器人領域，同樣的概念稱為手拉教導（lead-through programming）或手動引導（hand guiding）。

它的主要優點是，示範直接以機器人自身的關節空間呈現。遠端操作與影片示範需要把人的動作對應到另一個身體上，也就是對應問題，而遠端操作介面在精細或大量接觸的動作上可能很難使用。採用動覺教導時，每一段記錄的動作對機器人而言在運動學上本來就可行，而且人能透過手臂感受到與環境的接觸。要做到這一點，手臂必須容易用手移動：要不是具備可回驅性，並執行重力補償或低阻抗控制器；就是利用關節扭矩或腕部力感測，搭配導納控制來跟隨人施加的力。

動覺教導也有其限制。人的手和身體都在場景中，因此示範期間錄下的影像會包含人，記錄的力也包含人的推力，而不只是任務力。常見的解法是先以動覺方式記錄軌跡，再讓機器人自主重播，以收集乾淨的攝影機與力資料。引導一支沉重或關節眾多的手臂很累人，雙臂任務需要兩個人或精心的配置，而快速或動態的動作很難用手示範。示範也會記錄下教導者的遲疑，因此軌跡在使用前通常會先經過平滑化或分段處理。

為何重要

動覺教導是在真實機器人上取得可行且與任務相關之示範最簡單的方法之一，不需要重定向，額外硬體也很少。它被廣泛用於在工廠現場為協作機器人編寫程式，以及為模仿學習研究收集資料。

主要應用

• 以手動引導為協作機器人編寫程式
• 為模仿學習與行為複製收集示範
• 教導擦拭、插入與舀取等大量接觸的任務
• 從少量示範學習運動基元
• 為焊接、噴塗與組裝路徑教導航點

實際應用

一支研究團隊用裝在協作型手臂上的湯匙，收集從碗裡舀取食物的示範。在重力補償模式下，一個人在靠近手腕的位置握住手臂，完成每一次舀取，同時機器人以固定頻率記錄末端執行器姿態。由於人的手會擋住腕部攝影機並額外施力，每條記錄的軌跡之後會由機器人單獨重播，重播時取得的攝影機影像與力讀數再與軌跡配對，作為訓練資料。碰到碗緣或灑出食物的示範會被捨棄，其餘示範則用來訓練視覺運動策略。

常見誤解

• 動覺教導是一種遠端操作 — 在遠端操作中，人操作一個獨立的介面，機器人在遠處跟隨；在動覺教導中，人則是親手移動機器人本身
• 任何機器手臂都能用動覺方式教導 — 手臂需要可回驅的關節，或具備扭矩或力感測並搭配合適的控制器；剛性的位置控制工業手臂無法單純用手推動
• 示範期間記錄的資料可以直接使用 — 人會出現在攝影機影像中，其施加的力也會與任務力混在一起，因此許多流程會重播軌跡來記錄乾淨的感測器資料

誰需要了解

• 收集示範的機器人學習研究人員
• 為協作機器人編寫程式的系統整合商
• 實作重力補償與導納控制的控制工程師
• 輔助與服務型機器人開發者

相關技術

• 重力補償（Gravity Compensation）
• 導納控制（Admittance Control）
• Dynamic Movement Primitives
• 關節扭矩感測器（Joint Torque Sensors）
• 協作型機器手臂（Collaborative Robot Arms）

相關術語

• Imitation Learning
• Teleoperation
• Behavior Cloning
• Backdrivability
• Impedance Control
• Cobot

相關專案

• LeRobot: HuggingFace ML library for real-world robotics in PyTorch
• OpenPI: Physical Intelligence VLA foundation models for general robot control
• Mobile ALOHA: Bimanual mobile manipulation with 4 robot arms on a wheeled base for teleoperation
• OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments
• Koch v1.1 Low-Cost Robot Arm: Open-source 6-DOF robot arm for affordable teleoperation and imitation learning research.
• AgiBot World: Million-trajectory real-robot manipulation dataset from a fleet of 100+ humanoid robots