论文导读
香港科技大学（广州）、意大利技术研究院、浙江大学联合提出WHIRL，让机械手把人类接管动作当成风险信号，提前避开操作者可能喊停的状态。16自由度LEAP Hand在指定复杂抓取任务中做到96.7%成功率，按操作步数计算的人工干预最多减少84%。结果来自论文规定的物体和任务，不代表机械手已经能判断所有现实风险。
人类接管的那一刻，本身就是训练数据
真实机械手用强化学习练抓取，代价远高于仿真。手指撞到桌面、物体滑落或关节姿态过激，都可能损坏硬件。人机协同训练允许操作者在危险发生前接管，但常见做法只把接管后的正确动作记下来，忽略了更有价值的信息：操作者为什么偏偏在这个状态出手。
WHIRL把每次接管压成一个二元标签，再学习“从当前状态继续执行，未来多大概率会触发人工干预”。机器人不必等到失败或被接管后才改动作，而是在选择动作时主动远离高干预概率区域。
图1：项目页总览展示人类输入、干预感知世界模型和机械手多步任务之间的关系。
四个预测头同时看结果和风险
系统内部是一个潜在世界模型。它根据当前观察和动作预测下一个内部状态，同时预测奖励、任务是否结束，以及未来是否可能触发人工干预。最后一个“干预概率头”把操作者的安全阈值变成可参与策略优化的风险分数。
训练早期仍由人类通过空间鼠标控制机械臂末端、数据手套控制LEAP Hand，脚踏板负责在自动执行和人工接管之间切换。模型从这些回放中学习基础动作与风险边界，随后用残差策略在已有行为基础上微调，避免从零开始在真机上盲目探索。
图2：项目页流程图展示行为先验、残差策略、人类回放与干预感知世界模型如何连接。
96.7%成功率与84%干预下降怎样理解
团队在16自由度LEAP Hand上测试规则物体和不规则物体抓取、抽屉等棱柱关节操作，以及多阶段长任务。复杂抓取的最高成功率达到96.7%；按每个执行步骤加权统计，操作者干预负担最多下降84%。这里的“负担”不是训练人数减少84%，而是同类实验中需要接管的操作步数明显变少。
图3：论文任务图包含积木抓取、抽屉操作及抓取—放置—关闭等长链条真机任务。
论文的关键对照是去掉世界模型或风险塑形后，策略更容易进入后来需要人类接管的状态。风险预测也不是碰撞传感器，它学习的是这批操作者在这些任务中的接管模式。换操作者、换机械手或换到更软、更易变形的物体，安全阈值都可能变化。
从实验室接管走向可复核的安全部署
下一步可以把干预概率与力觉、触觉、关节温度和碰撞检测一起使用，让风险判断不只依赖视觉和历史动作。另一个问题是不同操作者对危险的容忍度不同，需要记录谁在什么条件下接管，并检查模型是否把个人习惯误当成统一安全标准。对仓储分拣和精细装配而言，减少人工盯守有直接价值，但上线前仍要用独立安全机制兜底，不能让学习到的接管概率成为唯一保护层。
参考资料
https://arxiv.org/abs/2609.06009
