桥接语言与动作：语言条件机器人操作综述
机器人学
2026-03-27 v6
摘要
语言条件机器人操作是一个新兴领域，旨在通过教导机器人理解和执行以自然语言传达的指令，实现人类与机器人智能体之间的无缝交流与协作。这一跨学科领域集成了场景理解、语言处理和策略学习，以弥合人类指令与机器人动作之间的差距。在这篇全面的综述中，我们系统地探讨了语言条件机器人操作的最新进展。我们根据语言集成到机器人系统的主要方式对现有方法进行分类，即用于状态评估的语言、作为策略条件的语言、用于认知规划与推理的语言，以及统一视觉-语言-动作模型中的语言。具体而言，我们进一步从动作粒度、数据与监督机制、系统成本与延迟、环境与评估，以及跨模态任务规范五个轴线分析了最先进的技术。此外，我们强调了该领域的关键争论。最后，我们讨论了开放性挑战和未来研究方向，重点关注潜在增强泛化能力以及解决语言条件机器人操作器中的安全问题。
引用
@article{arxiv.2312.10807,
title = {Bridging Language and Action: A Survey of Language-Conditioned Robot Manipulation},
author = {Xiangtong Yao and Hongkuan Zhou and Oier Mees and Yuan Meng and Ted Xiao and Yonatan Bisk and Jean Oh and Edward Johns and Mohit Shridhar and Dhruv Shah and Jesse Thomason and Kai Huang and Joyce Chai and Zhenshan Bing and Alois Knoll},
journal= {arXiv preprint arXiv:2312.10807},
year = {2026}
}