№机器人学习·general
机器人学习
别名
- 首次出现
- 2026-06-02
- 最近出现
- 2026-06-16
- 累计提及
- 2
§ 01综述
机器人学习是人工智能与机器人交叉的前沿领域，旨在让机器人通过数据驱动的方法自主获取技能，而非依赖手工编程。当前，该领域正从实验室走向现实应用，面临数据效率、泛化能力和安全性的核心挑战。
机器人学习近期进展
HABC：分层优势加权在线RL微调VLA策略
哈尔滨工业大学和加州大学伯克利分校等机构提出HABC方法，通过在线强化学习（RL）分层微调视觉-语言-动作（VLA）模型，显著提升机器人操作策略的样本效率。该工作被发表在arXiv上：原文标题
TREAD：用VLM重标注机器人数据，提升指令跟随鲁棒性
针对机器人数据集缺乏语言标注的问题，TREAD方法利用视觉语言模型（VLM）自动重标注抓取路径，使机器人能更鲁棒地理解并执行自然语言指令。详见：原文标题
World-Task Factorization 实现机器人学习零样本泛化
一项新研究将世界知识和任务知识解耦，使机器人学习系统能在未训练过的场景中零样本泛化执行新任务，打破了传统方法依赖大量场景演示的局限。论文地址：原文标题
当前焦点与观察点
当前机器人学习研究的焦点集中在如何用少量数据实现高效泛化。一方面，强化学习与基础模型的结合（如VLA）成为提升策略灵活性的主流；另一方面，数据自动标注与解耦学习范式正在降低对人工数据的依赖。然而，机器人学习在实际部署中仍面临安全性与实时性的瓶颈，如何平衡探索与安全是未来需要持续攻克的难点。