机器人操作·general

机器人操作

别名
首次出现
2026-05-22
最近出现
2026-06-12
累计提及
12
§ 01综述

近期,机器人操作领域的研究焦点集中在提升视觉-语言-动作(VLA)模型的鲁棒性、泛化能力和安全性,同时探索面向低成本硬件的力控方法和智能体干预机制。

主要进展包括:

  • VLA模型的鲁棒性与泛化:多篇工作针对VLA模型在遮挡场景下的表现,如LIBERO-Occ通过视角想象技术增强模型对遮挡的鲁棒性(LIBERO-Occ:通过视角想象提升VLA模型在场景遮挡下的鲁棒性);而GEAR-VLA则引入几何感知动作表征,提升机器人操作的泛化能力(GEAR-VLA:几何感知动作表征实现机器人操作泛化)。
  • 低成本机械臂的力控:FACTR 2提出无传感器力估计方法,使低成本机械臂能够实现精密力控操作,降低了力控技术的硬件门槛(FACTR 2:无传感器力估计让低成本机械臂学会力控操作)。
  • 安全性与故障恢复:Attention-Guided Safety Filter在VLA模型内建安全机制,无需额外训练即可保障操作安全性(Attention-Guided Safety Filter:VLA模型内建安全机制,无需额外训练);ReCoVLA则利用VLM引导奖励编译,提升策略的故障恢复能力(ReCoVLA:VLM引导奖励编译,提升VLA策略故障恢复能力)。
  • 新型学习范式和智能体干预:LabVLA将VLA模型应用于科学实验室场景,实现自动化实验操作(LabVLA:让AI在科学实验室里动手做实验);UniIntervene提出智能体干预机制,提升真实世界强化学习效率(UniIntervene:智能体干预让真实世界强化学习更高效)。
  • 当前焦点在于如何综合解决鲁棒性、安全性与泛化性的难题,并推动机器人操作从受控环境走向开放真实场景。未来观察点包括:无传感器力控的实用性验证、VLA模型的安全机制标准化,以及跨任务泛化能力的突破。

    § 02相关报道10 条在档
    1. 01
      LabVLA:让AI在科学实验室里动手做实验
      arXiv cs.AI
    2. 02
      FACTR 2:无传感器力估计让低成本机械臂学会力控操作
      arXiv cs.AI
    3. 03
      UniIntervene:智能体干预让真实世界强化学习更高效
      arXiv cs.LG
    4. 04
      InDex:通过意图条件微调弥合VLA模型到灵巧手的形态鸿沟
      arXiv cs.AI
    5. 05
      LIBERO-Occ:通过视角想象提升VLA模型在场景遮挡下的鲁棒性
      arXiv cs.AI
    6. 06
      DARP:差异感知检索策略提升模仿学习泛化性
      arXiv cs.LG
    7. 07
      Attention-Guided Safety Filter:VLA模型内建安全机制,无需额外训练
      arXiv cs.LG
    8. 08
      ReCoVLA:VLM引导奖励编译,提升VLA策略故障恢复能力
      arXiv cs.AI
    9. 09
      RLDT:用强化学习微调流匹配策略,密度传输对齐奖励区域
      arXiv cs.AI
    10. 10
      GEAR-VLA:几何感知动作表征实现机器人操作泛化
      arXiv cs.AI
    § 03邻近话题

    本页综述由 AITOP 基于公开报道整理。原报道版权归各自来源所有。

    /topic/%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%93%8D%E4%BD%9C