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。
  • MPC 模型预测控制：每个控制周期用动力学模型向前预测一小段、在线优化出未来一段最优控制，只执行第一步、下周期滚动重算。腿足/人形的平衡与接触力分配主力方法。没过时——是现代腿足控制核心，且越来越常与 RL 混合（RL 出策略、MPC 保约束/安全）。
  • 强化学习 RL（用于控制）：策略在（大规模并行）仿真里试错、按奖励优化。腿足 locomotion 的主流（几分钟学会走/跑，见 卡片-LearnToWalkInMinutes），也用于操作在线精修（卡片-RLT）。与 MPC 互补：RL 免在线求解、擅长复杂地形泛化；MPC 可解释、易加硬约束。
  • 轨迹优化 / TAMP：经典"显式求解"路线——用优化/搜索求可行轨迹或"任务+运动规划"；端到端 VLA 把这段"运行时求解"挪成"训练时隐式学"（见 控制回路与频率-动态视图 §三）。
  • 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（Mixture-of-Experts）：把 Transformer 每层的前馈子层(FFN/MLP)从"一个稠密网络"换成"多个并列'专家'FFN + 一个路由器"；每个 token 只激活路由选中的 top-k 个专家（稀疏激活）→ 总参数(容量)大增，但单次推理只算被选中的少数专家、算力≈不变。这正是"增容不增推理量"的机制。
  • 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)。