跳转至

术语表（一句话看懂）

读卡片/综述时随时回查。通俗为主，严谨定义以原文为准。

体系 / 控制

  • VLA（Vision-Language-Action）：把"视觉+语言(+状态/触觉)"→动作的模型，多为端到端学习。属大脑层。
  • 大脑 / 小脑：大脑=慢(~Hz)的高层决策(VLA/规划)；小脑=快(~kHz)的实时控制(力控/平衡)。按频率分。
  • 动作块 action chunk：模型一次输出未来 N 步动作，再交给小脑跟踪执行。
  • 级联控制环：位置环→速度环→电流环，越内越快，伺服底层。
  • 阻抗/导纳控制：让机器人对外力"柔顺"，维持力与位移的二阶关系。
  • WBC 全身控制：协调全身关节满足平衡/接触/任务约束的实时控制。
  • Sim2Real：仿真训练→真机部署的迁移。

大脑·模型

  • 世界模型 World Model：预测"未来会怎样"再决策；像素级(生成未来图,慢) vs 隐空间级(预测未来特征,快)。
  • 隐空间 latent space：把高维输入压成的特征空间；在里面"想象未来"比生成像素省算力。
  • 扩散策略 Diffusion Policy / flow matching：用扩散/流匹配生成动作分布，能表达多模态动作（π0 用 flow matching，RDT 用扩散）。
  • MoE 专家混合：按输入路由到不同子网络，增容不增推理量。
  • VLM 骨干：VLA 常用的视觉-语言底座(如 SigLIP+PaliGemma、Qwen-VL)。

感知·触觉

  • 视触觉传感器：相机拍弹性体形变成像→高分辨触觉图。代表 GelSight / DIGIT。
  • taxel 阵列：压阻/电容点阵，低分辨但便宜(如 TacVLA 的 15×8)。
  • 法向力/剪切力/滑动：触觉测的接触量；剪切/滑动是纯视觉看不到的。
  • 触觉表征/基础模型：把多种触觉传感器统一成可迁移 embedding(T3/AnyTouch/TVL)。
  • 门控 gating：决定"何时/多大程度"信触觉(接触时才开)；硬阈值→可学 α 是演进方向。

评测·数据

  • LIBERO / CALVIN / RLBench / Meta-World / RoboTwin / SimplerEnv：机器人操作/VLA 常用评测基准(见 榜单-机器人操作与VLA评测)。
  • Open X-Embodiment：跨本体大规模机器人数据集 + RT-X 模型。
  • 成功率 SR：完成任务的比例，最常用指标(注意任务集/试验数/是否挑任务)。
  • FoTa / TacQuad / TVL：触觉(表征)数据集(分别随 T3/AnyTouch/TVL)。