人形机器人不再只用手：穿上接触贴片采集人体示范，全身推扫抱都能学
核心概要
PanTact 让 Unitree G1 人形机器人从无机器人的穿戴式人体示范中学会全身灵巧操作，用前臂、膝盖等任意身体表面完成抱持、推扫与负载分担。
深度剖析
人形机器人的操作不再局限于双手，前臂、躯干和膝盖也能成为接触面，用来抱持大件物体、扫拢物品或在双手被占用时推物。 此前的移动操作研究把操作限制在手部，其余身体留给行走与平衡，通常避免身体与环境发生其他接触。 在 Unitree G1 上，抱持加抓取任务中上肢 IK 方案成功率为 85%，稀疏接触跟踪器为 80%；扫拢并关柜任务端到端成功率为 90.63%，搬运并推动任务成功率为 90%。
系统把接触当作可跨本体传递的操作信息：接触发生的位置和时机描述任务所需的物理交互，机器人自行决定用哪块身体表面去实现。 以往从示范学习操作的流程只记录末端执行器轨迹或关节角，不显式携带身体接触信息，因此接触位置在人与机器人之间会丢失。 对照两种缺少显式身体接触目标的姿态接口：只跟踪末端执行器的 Humanoid UMI 无法支撑大件物体，额外跟踪膝盖姿态的 Humanoid UMI++ 常把物体扫出箱外或撞上关节限位。
穿戴式采集界面把自视角相机、双手 UMI 夹爪与模块化接触贴片组合起来，贴片由相同的力敏电阻模块拼成，可覆盖前臂和膝盖并记录接触时机、强度与位置。 已有的全身触觉皮肤通常针对特定机器人本体定制，而现有示范界面只记录末端执行器运动或关节角。 每个模块含一个力敏电阻，定制电路板可同时采集最多 16 路通道，模块通过菊花链 RS-485 总线通信，并用磁吸连接件拼成不同形状的贴片。
策略预测末端执行器轨迹和逐传感器的接触目标，控制器只在接触状态为激活时才把该位置当作跟踪目标，从而自由选择机器人自身的身体构型。 控制器若只跟踪运动参考或末端执行器目标，就缺少实现身体接触目标的显式优化项。 在仿真中回放示范轨迹，加入接触目标后每种控制器的接触面距离都下降，末端执行器跟踪精度损失很小；稀疏接触跟踪器接触距离最小，但末端执行器误差高于 WBIK+SONIC。
启示与展望
报道覆盖的是 PanTact 在 Unitree G1 上的部署与四类任务评测：抱持加抓取、扫拢并关柜、搬运并推动，以及仿真中的控制器对比。目标读者是研究人形机器人操作、模仿学习与全身控制的研究人员和工程师。系统在机器人上未额外加装身体接触传感器，接触目标由策略预测、由控制器实现。
接触检测依赖逐通道自适应基线对力敏电阻信号做二值化，因为力敏电阻阻值会随温度和安装压力漂移。稀疏接触跟踪器需要仿真训练，并依赖训练分布；其末端执行器误差高于 WBIK+SONIC，而 WBIK+SONIC 的稠密参考会规定与任务无关的姿态细节，且 IK 求解器不建模执行器的动态可行性。