基础模型时代的机器人学习：一篇综述
机器人学
2023-11-27 v1
摘要
大型语言模型（LLMs）的激增推动了机器人学习从自动化向通用具身人工智能（AI）的转变。将基础模型与传统学习方法一同应用于机器人学习，近期日益受到研究界的关注，并展现出实际应用的潜力。然而，全面回顾这些相对新颖且与机器人技术结合的文献甚少。本综述旨在系统评估机器人学习中前沿的基础模型技术，并识别未来的潜在领域。具体而言，我们首先总结了机器人学习的技术演进，并确定了基础模型所需的初步准备，包括模拟器、数据集和基础模型框架。此外，我们聚焦于机器人学习的以下四个主流领域：操控、导航、规划和推理，并展示了基础模型技术如何被应用于上述场景。进而，我们讨论了当前文献中易被忽视的关键问题，包括机器人软硬件解耦、动态数据、存在人类时的泛化性能等。本综述突出了基础模型在机器人学习中的最新进展，未来研究应关注多模态交互尤其是动态数据、面向机器人的专用基础模型以及AI对齐等。
引用
@article{arxiv.2311.14379,
title = {Robot Learning in the Era of Foundation Models: A Survey},
author = {Xuan Xiao and Jiahang Liu and Zhipeng Wang and Yanmin Zhou and Yong Qi and Qian Cheng and Bin He and Shuo Jiang},
journal= {arXiv preprint arXiv:2311.14379},
year = {2023}
}