跳转至
机器人知识库
本体硬件
正在初始化搜索引擎
首页
技术框架总览
知识图谱
0-总览与入门
1-感知
2-大脑与模型
3-控制-小脑
4-本体硬件
5-数据-采集
6-评测榜单
专题-触觉VLA
情报-追踪
机器人知识库
首页
技术框架总览
知识图谱
0-总览与入门
0-总览与入门
控制回路与频率 · 动态视图（机器人怎么"转"起来）
术语表（一句话看懂）
机器人基础模型总综述 —— 基础模型怎么进机器人自治栈（感知/决策/控制）
时间线 · 按研究时间（最新在前）
🔬 精读索引（全文精读 · 方法/数字/关键图/外部评价/审稿人判断）
1-感知
1-感知
9DTact —— 紧凑光学触觉：易做低成本，3D 形状重建 + 可泛化 6D 力估计
AnySkin —— 即插即用磁性触觉皮：换皮无需重标定，策略跨实例零样本通用
AnyTouch：跨多视触觉传感器的"静态+动态"统一表征（含对齐数据集 TacQuad）
DIGIT 360 —— 人造多模态指尖：全向触觉+力+振动+热+气味，板上带 AI
DIGIT —— Meta 的低成本指尖光学触觉，开源设计、能上多指手
戴盟 Daimon DM-Tac —— 买得起的中国视触觉（起价 ¥1,299，含端侧平台）
FTP-1：首个"跨触觉传感器"的通用基础触觉策略（清华 Yang Gao 组）
FoundationPose：新物体 6D 位姿估计+跟踪的统一基础模型（NVIDIA SRL）
GelSight Svelte —— 人指形单相机触觉指：一颗相机覆盖整指，还带本体感知
GelSight —— 光学触觉的鼻祖：弹性体+相机，把"摸到的几何"拍成高清图
GelSlim —— MIT 的纤薄抓取指：把 GelSight 做扁做结实、可标定
Holistic Fusion (HF) —— 任务/平台无关的多模态状态估计因子图
MViTac：自监督对比预训练的视觉-触觉多模态表征
NeuralFeels —— 视触觉在手感知（神经场，遮挡下仍能跟踪）
Octopi：用大触觉-语言模型做物体属性推理（含 PhysiCLeAR 数据集）
帕西尼 PaXini —— 中国多维触觉传感器 + 带触觉灵巧手（开箱即买）
ReSkin —— 磁性可换皮肤：电路与皮分离，磨坏了像换创可贴一样换
Segment Anything (SAM) —— 通用分割基础模型（机器人感知前端常用）
Soft-Bubble —— TRI 的充气软膜触觉：极柔顺、给稠密几何
Sparsh：视触觉传感器的通用自监督触觉表征（含 TacBench 基准）
T3：跨"不同触觉传感器+不同任务"的可迁移触觉表征（含 300 万张 FoTa 数据集）
TLV（Touch-Language-Vision）：首个句子级描述的触觉-语言-视觉数据集 + 轻量对齐
TVL：触觉-视觉-语言对齐数据集 + 语言对齐触觉编码器（开放词表）
TacSL —— GPU 视触觉仿真+学习库（Isaac Gym，比前代快 200×）
TacTip / DigiTac —— Bristol 开源软体仿生视触觉，3D 打印可自制
Touch2Touch：跨触觉传感器的扩散生成（用一种传感器算法跑另一种信号）
UniTouch（Binding Touch to Everything）：把触觉绑定到视觉/语言/声音的统一多模态表征
神经形态 / 事件驱动触觉——只在接触变化时发脉冲（触觉版"事件相机"）
概念 · 触觉控制的神经科学基础（Johansson 模型）
概念 · 触觉传感器（感知层的输入）
详读 · AnyTouch（跨多视触觉传感器的统一"静态+动态"表征）
read FTP 1
详读 · Holistic Fusion（HF：任务/平台无关的多模态状态估计因子图）
read MViTac
read NeuralFeels
read Octopi
read Sparsh
read T3
read TLV
详读 · TVL（触觉-视觉-语言多模态对齐数据集 + 语言对齐触觉编码器）
详读 · 综述《Tactile Robotics: Past and Future》(Lepora, IJRR 2025)
read Touch2Touch
read UniTouch
力与触觉基础模型综述 —— 把力/触觉接进操作策略学习的文献地图
视觉式触觉传感器分类综述 —— Marker 式 vs 强度式的四象限地图
触觉实验平台 —— 能买 / 能搭 / 能跑（落地入口）
2-大脑与模型
2-大脑与模型
3D Diffusion Policy (DP3) —— 用简洁 3D 点云表征喂扩散策略
3D-VLA —— 把 3D 感知/推理/动作串起来的生成式世界模型
AdaFlow —— 方差自适应的流策略，按动作多模态动态调推理步数
AdaWorld：把"潜动作"灌进世界模型预训练→高适应、可迁移、可组合
AdapTac：力引导的预测性注意力，自适应融合视触觉
CogACT —— "认知 + 动作"解耦的 VLA（专门扩散动作模块）
Consistency Policy —— 一致性蒸馏把扩散策略推理提速一个数量级
Cosmos —— NVIDIA 面向 Physical AI 的世界基座平台
DINO-WM —— 在预训练视觉特征上学世界模型、零样本规划
Diffusion Policy —— 把动作生成建成条件去噪扩散（视觉运动策略奠基作）
DreamGen：把视频世界模型当"数据发生器"，生成合成轨迹解锁机器人泛化（GEAR）
DreamerV3 —— 潜空间想象的通用世界模型 RL
ECoT —— 让 VLA"先想明白再动手"的具身思维链（OpenVLA 上 +28%）
EgoScale：2万小时人类第一视角视频，把"灵巧操作"做成可预测的 scaling law
Equivariant Diffusion Policy —— 把 SO(2) 对称性灌进扩散策略提样本效率
Eureka：用编码 LLM 进化"奖励函数代码"，达到人类级奖励设计（GEAR）
FD-VLA：力蒸馏——不用力/触觉传感器也有"力感知"
GR-1 —— 大规模视频生成预训练用于机器人操作
GR-2 —— 网络视频预训练的生成式视频-语言-动作模型
GR00T N1 / N1.5 / N1.6 —— NVIDIA 开源人形机器人通用底座
Gemini Robotics —— 把 Gemini 2.0 带进物理世界的 VLA（技术报告·闭源）
Genie —— 从无标注视频学出的可交互生成环境
HPT —— 用共享"主干网"吃几十种机器人数据，学跨本体通用表征（何恺明组）
HapticVLA：安全奖励加权流匹配 + 触觉蒸馏 → 推理时不用触觉传感器的接触操作
Helix (Figure) —— 双系统 VLA（大脑慢/小脑快的工业实证）
LAPA —— 从无标签视频学"潜动作"，免真机动作标注预训练 VLA
LaWAM：把"被丢弃的 latent-action 解码器"捡回来当世界模型
Magma —— 一个模型既会"点屏幕"又会"操控机器人"的多模态智能体基础模型（微软）
MolmoAct —— 能"在空间中推理"的动作推理模型（开源）
Motus：统一潜动作世界模型——一个模型自适应切换 VLA/WM/IDM/VGM/联合预测
NWM（Navigation World Models）—— 可控视频生成做导航规划
Octo —— 开源通用机器人策略（Transformer，可微调到新本体）
OmniTacTune：不采触觉演示，用真机 RL 把"触觉残差"贴到任意现成视觉策略上
OmniVTA：两流条件生成的视触觉世界模型 + 多平台对齐数据集
OmniVTLA：给触觉做"语义对齐"的视-触-语-动模型（双编码器 SA-ViT + ObjTac 数据集），SJTU×帕西尼
OpenVLA-OFT —— VLA 微调配方（提速 + 提成功率）
OpenVLA —— 开源 7B VLA（Open-X 训练，可下来就用）
RDT-1B —— 双臂操作的扩散基础模型（1.2B）
RLT (RL Token)：给 VLA 挂一个"RL token"，几小时真机在线 RL 就把精度磨上去
RT-1 —— 机器人 Transformer 的奠基（VLA 的前身）
RT-2 —— 把"网络知识"迁进机器人控制的 VLA 开山之作
ReKep —— 用基础模型自动写"关键点约束(Python函数)"，免训练求解机器人操作
Rho-alpha (ρα) —— 微软首个机器人模型：把「触觉」和「部署期人类纠错」加进 VLA 的 VLA+（闭源·研究预览）
RoboCat —— 自我改进的多本体通用操作智能体
RoboVLMs —— "造 VLA 到底什么重要"（600+ 实验消融）
SpatialVLA —— 给 VLA 注入 3D 空间表示
T-Rex：把触觉做成 VLA 里的"高频反应专家"（异步级联流匹配 + 时序触觉 VQ-VAE + 100h 数据集）
TA-VLA：系统梳理"把关节力矩接进 VLA"的设计空间（何时/何处/如何）
TacCoRL：在仿真里把触觉注入 VLA + RL 后训练（免大规模触觉预训练）
TacForeSight：用"力"预判"触觉"的接触世界模型
TacVLA：触觉"接触才开"的门控 + 低维 token（不当图片）
Tactile-VLA：把"力"写进动作空间，激活 VLM 里的物理常识
TraceVLA —— 把"运动轨迹"画成提示喂回 VLA，增强时空感知（OpenVLA +10%/真机3.5×）
UniSim —— 交互式真实世界模拟器
V-JEPA 2：自监督视频→隐空间世界模型，<62h 机器人数据零样本 Franka 规划
VLA-JEPA：用 JEPA 重做潜动作预训练——防泄漏、抗噪声、隐空间对齐
VLA-Touch：不重训 base VLA，在"规划+控制"两层外挂触觉
VLAS —— 第一个把"听语音"直接长进 VLA 的模型（端到端语音指令 + 声纹个性化）
VPP（Video Prediction Policy）—— 用视频扩散表征当通用策略
VT-WM：首个多任务视觉-触觉世界模型（Meta/UW）
ViTacFormer：预测"未来触觉"比感知"当前触觉"更有用（跨注意力融合 + 自回归触觉预测头）
Voyager：首个 LLM 驱动的终身学习具身 agent —— "技能=可复用代码库"范式的源头
WorldVLA —— 把世界模型与 VLA 合一的自回归动作世界模型
ZR-0 —— 用"密集具身思维链"当训练监督，把跨本体表征对齐进 VLM（推理只训不推、推理时零开销）
iVideoGPT —— 可交互、可扩展的自回归世界模型
FAST（π0-FAST）—— VLA 的高效动作 tokenizer
π0.5 —— π0 的开放世界泛化升级（杂数据共训进新家）
π0 —— flow matching 动作专家的通用 VLA（多触觉卡的底座）
villa-X：给潜动作加"本体物理接地" + latent/robot 双专家联合扩散
概念 · 隐空间与潜动作学习（Latent Action / Latent-Space Learning）
概念 · 大脑的模型架构基础（看懂 VLA 卡片的前提）
详读 · 3D Diffusion Policy（DP3：用简洁 3D 点云表征喂扩散策略）
详读 · 3D-VLA（3D 生成式世界模型）
详读 · AdaFlow（方差自适应的流匹配策略）
read AdaWorld
详读 · AdapTac（力引导预测性注意力的自适应视触觉融合）
详读 · CogACT（"认知 + 动作"解耦的组件化 VLA）
详读 · Consistency Policy（用一致性蒸馏给扩散策略提速一个数量级）
详读 · Cosmos（NVIDIA 面向 Physical AI 的世界基座模型平台）
详读 · DINO-WM（在预训练视觉特征上学世界模型 → 零样本规划）
详读 · Diffusion Policy（用动作扩散做视觉运动策略学习）
read DreamGen
详读 · DreamerV3（潜空间想象的通用世界模型 RL）
read ECoT
详读 · EgoScale（2 万小时人类第一视角，把灵巧操作做成可预测的 scaling law）
详读 · Equivariant Diffusion Policy（把 SO(2) 等变性灌进扩散策略）
详读 · FD-VLA（力蒸馏 VLA：推理时不用力/触觉传感器也有"力感知"）
详读 · GR-1（大规模视频生成预训练 → 视觉机器人操作）
详读 · GR-2（网络视频预训练的生成式视频-语言-动作模型）
read GR00T N1
read Gemini Robotics
详读 · Genie（生成式可交互环境 / 基础世界模型）
read HPT
read HapticVLA
read LAPA
详读 · LaWAM（隐空间世界-动作模型 / Latent World Action Model）
read MolmoAct
read Motus
详读 · NWM（Navigation World Models / 导航世界模型）
详读 · Octo（开源通用机器人策略 Generalist Robot Policy）
详读-OmniTacTune：结合作者推文 thread 与论文全文的细致分析
详读 · OmniVTA（视触觉世界模型 + 21k 轨迹对齐数据集，接触密集操作）
read OmniVTLA
详读 · OpenVLA-OFT（VLA 微调配方：同时优化速度与成功率）
read OpenVLA
详读 · RDT-1B（双臂操作的扩散基础模型，1.2B）
read RLT
read RT 1
read RT 2
read ReKep
详读 · RoboCat（自我改进的多本体通用操作智能体）
详读 · RoboVLMs（"造 VLA 到底什么重要"——600+ 实验消融指南）
详读 · SpatialVLA（空间表示增强的通用 VLA）
详读 · T-Rex（把触觉做成 VLA 里的高频反应专家）
read TA VLA
详读 · TacForeSight（力引导的触觉世界模型，用于接触密集操作）
详读 · TacVLA（接触感知门控的视-语-触动作模型）
详读 · Tactile-VLA（把"力"写进动作空间，解锁 VLM 的物理常识）
详读 · UniSim（Learning Interactive Real-World Simulators）
read V JEPA2
read VLA JEPA
详读 · VLA-Touch（不重训 base VLA，在"规划+控制"两层外挂触觉）
详读 · VPP（Video Prediction Policy，视频预测策略）
详读 · VT-WM（Visuo-Tactile World Models 视觉-触觉世界模型）
read ViTacFormer
详读 · WorldVLA（自回归动作世界模型）
read ZR 0
详读 · iVideoGPT（可交互、可扩展的自回归世界模型）
详读 · π0-FAST（FAST：VLA 的频域动作 tokenization）
Read pi0.5
Read pi0
read villa X
VLA 模型综述 —— 具身 AI 视觉-语言-动作模型全景（最常被引的入门地图）
灵巧操作模仿学习综述 —— 多指手从示范学精细接触技能的方法谱系
互联网视频学机器人综述 —— 用海量网络视频破解机器人数据稀缺
世界模型综述 —— "理解世界 vs 预测未来"两大功能的全景（含机器人域）
3-控制-小脑
3-控制-小脑
DexMimicGen —— 少量示范自动放大成双手灵巧操作训练数据
DexPilot —— 纯视觉遥操作灵巧手-臂系统（裸手观测控全 23 DoA）
FoAR —— 力感知反应式策略（接触阶段才用力/力矩）
GraspGen-X：跨本体 6-DOF 扩散抓取（swept-volume 编码夹爪 + 程序化夹爪 + 20亿抓取）
GraspGen：扩散式 6-DOF 抓取框架（生成器+On-Generator 训练判别器），NVIDIA SRL
HOVER：人形全身控制的"统一多模态"通才策略（一个策略覆盖 15+ 控制模式），GEAR
Learning to Walk in Minutes —— 数千并行环境 + 单 GPU 分钟级训腿足运动 + sim-to-real
Parkour in the Wild —— 多专家蒸馏 + RL 微调，造一个通用且可扩展的敏捷运动策略
Reactive Diffusion Policy —— 慢快视触觉策略（高频反应接触）
Robot Synesthesia —— 把视觉与触觉统一成点云做手内操作
UniDexGrasp++ —— 几何感知课程 + 师生迭代，通用灵巧抓取大幅提效
UniDexGrasp —— 通用灵巧抓取：多样抓取提案生成 + 目标条件策略
概念 · 实时控制与力控（小脑层）· 占位
详读 · DexMimicGen（双手灵巧操作数据自动生成）
详读 · DexPilot（纯视觉遥操作灵巧手-臂系统）
详读 · Learning to Walk in Minutes（数千并行环境 + 单 GPU 分钟级 RL + sim-to-real）
详读 · Parkour in the Wild（多专家蒸馏 + RL 微调 → 通用可扩展敏捷运动策略）
read ReactiveDiffusionPolicy
4-本体硬件
4-本体硬件
因时 Inspire RH56 系列 —— 研究圈用量最大的中国带触觉灵巧手
LEAP Hand —— 低成本拟人灵巧手（$2000，机器学习研究用）
Mobile ALOHA —— 低成本全身遥操作双臂移动平台（采数+学习）
ORCA Hand —— ETH 开源 17-DoF 带触觉灵巧手，一天装完、料 <2000 CHF
概念 · 本体与执行器（硬件层）· 占位
详读 · ORCA Platform —— 灵巧操作的开源软件全栈（控制+仿真+VR遥操+retargeting+LeRobot）
5-数据-采集
5-数据-采集
ALOHA/ACT —— 低成本双手遥操作 + 动作分块 Transformer
ARCap —— 带 AR 反馈的便携采数系统，让新手也能采高质量演示
AgiBot World —— 百万级轨迹的大规模操作平台 + GO-1 策略
BridgeData V2 —— 低成本机器人上的大规模可泛化操作数据集
DROID —— 跨地域众采的大规模真机操作数据集（76k 轨迹）
DexCap —— 便携手部动捕系统，采灵巧操作数据
DexTeleop-0 —— 力觉驱动的双手灵巧遥操作（提升接触任务采数效率）
GELLO —— 同构低成本遥操作控制器，降低高质量采数门槛
Open X-Embodiment —— 22 类机器人汇聚的跨本体数据集 + RT-X 模型
RH20T —— 含力/音/视多模态的接触密集操作数据集（11 万+ 序列）
RoboMIND —— 多本体规范化操作数据集（107k 轨迹，含失败样本）
UMI —— 手持夹爪"在野"采数，无需真机即可教机器人
概念 · 机器人数据与标注（VLA 的头号瓶颈）
第一人称数据采集硬件与成本（选型参考）
详读 · DROID（Distributed Robot Interaction Dataset）
详读 · DexTeleop-0（力觉驱动的双手灵巧遥操作）
详读 · Open X-Embodiment（22 本体汇聚的跨本体数据集 + RT-X 模型）
详读 · UMI（Universal Manipulation Interface）
综述 · 第一人称人类数据采集论文（用人手数据教机器人操作）
6-评测榜单
6-评测榜单
CALVIN —— 语言条件·长程操作基准（连续多任务串联）
THE COLOSSEUM —— 操作泛化压力测试（14 类环境扰动）
LIBERO —— 终身/多任务操作基准（VLA 报告最高频）
ManiSkill2 —— 通用操作技能统一基准（SAPIEN·海量演示）
Meta-World —— 50 任务·多任务/元强化学习基准
RLBench —— 100 任务仿真操作基准（老牌·演示无限）
RoboCasa —— 厨房家务大规模仿真（通用机器人·100 任务）
RoboTwin —— 双臂操作基准（生成式数字孪生）
SimplerEnv (SIMPLER) —— 给真机 VLA 做"可复现的仿真评测"
机器人操作 / VLA 评测榜单（hub）
VLABench —— VLA 长程推理操作大规模基准
专题-触觉VLA
专题-触觉VLA
TacForeSight × LaWAM：两个"隐空间世界模型"的对照
触觉 × 机器人 · 文献地图 & 阅读方案
触觉 × VLA · 一页全景图 & 体系框架
论文 PDF 清单（papers/ 本地有，git 不追踪）
综述 · 触觉与 VLA：有哪几条路线（中文路线总览）
梳理 · 触觉机器人的现实问题 × 研究决策地图（问题驱动）
触觉 × VLA：把 Touch 作为输入/决策信号融入 VLA 的现状
情报-追踪
情报-追踪
校企血缘 —— 中国具身创业公司出自哪些高校/实验室（全国全景）
中国机器人产业地图（公司/创业团队为主）
🛰️ 硬件追踪盘（会变的值，定期复核）
顶尖实验室 / 团队名录（该盯谁）
机器人现状追踪（现有进展到哪一步）
团队：人大 GeWu-Lab 胡迪(Di Hu) 组 —— 视听多模态起家、2023 起把触觉当新支线
团队：清华 IIIS 高阳(Yang Gao) 组 —— RL 效率起家、全面转 VLA、2025 新增触觉分支
团队：北航 王田苗系 × 中关村智友研究院 —— "CEO 工厂"
团队：北航 文力(Li Wen) 软体机器人组 —— 把触觉"焊进"软体本体的那一端
团队：哈工大 机器人所 / 机器人技术与系统全国重点实验室 —— 中国机器人"工程母机"
团队：人民大学 张静(Jing Zhang) 组 —— NLP/Text-to-SQL 起家、2025 转 VLA
团队：东南大学 宋爱国组 —— 中国力/触觉传感与遥操作的学术正统
团队：上海交大 卢策吾(Cewu Lu) MVIG 组 —— 视觉→姿态→抓取→具身，国内最早喊具身的一批
1X — NEO（双足家用人形）
智元机器人 AgiBot — GO-1（通用具身基座 / VLA 大脑）
戴盟 Daimon — 视触觉(单色光)为地基的具身上游；港科大王煜孵化
Flexion — Reflect（人形机器人自主性软件栈 / "大脑"）
NVIDIA ASPIRE — Agentic Skills Discovery for Robotics（机器人技能自发现/自改进）
Noematrix 穹彻智能 — Noematrix Brain（"力为中心"具身智能大脑）
PaXini 帕西尼感知 — 触觉传感器 + 触觉灵巧手 + 触觉人形（中国触觉龙头）
千寻智能 Spirit AI — Spirit v1 VLA / Moz1（学院派端到端具身大模型）
Sunday Robotics — Memo（家用移动操作机器人）
追踪 · 纬钛机器人（ViTai Robotics）
世界模型 / 隐空间路线 — 融资产业地图
无界动力 Boundless Dynamics（通用具身"操作大脑" / 智驾系转具身）
目录
卡片
详读
概念
本体硬件
¶
本节收录
6
篇。
卡片
¶
LEAP-Hand
MobileALOHA
ORCA-Hand
因时灵巧手-Inspire
详读
¶
ORCA-Platform
概念
¶
本体与执行器
回到页面顶部