从一部智能手机切换到另一部，通常是个流畅的过程。你登录账户，应用、偏好和联系人就会同步到新设备上。但在机器人领域，换掉旧机械臂换上新款，意味着一切要从头设置——直到现在。

为了解决这个问题，瑞士洛桑联邦理工学院（EPFL）的研究团队开发了他们所谓的“运动智能”（Kinematic Intelligence），一个让机器人换臂更像换手机的框架。他们在最近的《科学机器人》论文中描述了这一系统。

多年来，机器人学家一直致力于让机器人通过演示学习——通过展示动作来教它们新技能，而不是编写代码。想法是远程控制或物理引导机器人的手臂，教它执行擦桌子、叠箱子或焊接汽车部件等任务。问题是，大多数这些学到的技能最终都绑定在训练时使用的特定机器人上。

但机器人技术发展迅速。“机器人有不同的设计，如今新设计层出不穷——这带来了自身的挑战，”EPFL机器人学家、研究第一作者Sthithpragya Gupta说。如果新机器人有稍长的连杆、不同的关节方向或更复杂的配置，学到的行为会立即失效，新机器人很可能会乱晃、卡住或崩溃。

“新设计带来不同的能力和约束，”EPFL机器人学家、研究合著者Durgesh Haribhau Salunkhe说。“问题在于适应这些约束和能力——忠实地复现人类演示的动作。”如今，从一个机器人身体跳到另一个，通常意味着从头开始并重新训练整个系统。

当机器人移动空间完成任务时，它必须不断计算如何弯曲关节，使其末端执行器（机器人的“手”）保持在正确路径上。机器人必须避免碰到物理极限，或者更糟，碰到奇点——在机器人学中，这是一个数学危险区：一种物理配置，其中机器人的关节以某种方式对齐，暂时失去一个自由度。“在这种位置，机器人的运动可能变得不稳定，或者你可能会失去对机器人的控制，”Gupta说。

用人话来说，这大致相当于推重物时肘部完全伸直锁住，使手臂暂时无法做侧向运动。

将技能从一个机器人转移到另一个很难，因为不同结构的机器人通常有不同的奇点拓扑。当机器人的算法盲目跟随路径并碰到奇点时，控制其关节的数学会失败。例如，机器人可能试图以无限速度旋转一个关节，导致突然的不安全运动。Gupta的团队通过给机器人一种深层的、天生的数学意识来解决这个问题，让它们了解自身的物理限制。这种他们称之为“运动智能”的东西，允许用户只演示一次技能，就能让完全不同类型的机器人安全执行。

而且（令人惊讶的是，如今），运动智能是以无AI的方式构建的。

传统上，工程师通过软件修复来处理奇点。他们构建逆模型——复杂的数学公式，从机器人末端执行器的目标位置反向工作，映射到达那里所需的所有关节位置。然后，他们只是加上安全过滤器或修正，防止机器人陷入麻烦。

一些较新的、数据驱动的AI方法需要更少的努力和专业知识，但要求在训练阶段访问控制软件将使用的每个机器人。“此外，AI具有概率性或黑箱性质，它可能做出……