今天这期是第九期照例整理了2021年6月17日星期四这一批值得看的机器人相关论文。做这个速览的初衷很简单机器人论文量太大了尤其想在工位前保持信息不落队靠每天自己刷肯定不现实所以我的习惯是先筛出一批“真正值得花时间”的工作再写给大家。这期里既有触觉插拔、稀疏奖励导航也有四足步态和Sim2Real迁移还有视觉语言导航这种开始变热的方向。适合正在选方向的学生、刚入行的工程师以及想快速了解行业趋势的团队管理者。老规矩先从选文标准谈起再逐篇拆中间会穿插一些我自己判断和实操上的点评最后聊聊怎么把速览真正变成你的能力。1. 本期速览收录维度与选文思路1.1 为什么是这五个方向每周从几十篇论文里选出来这五篇不是随手挑的背后有一套我固定用的筛选逻辑。首先是可复现性。一篇论文写得再漂亮如果代码不公开、硬件依赖太特殊、训练资源要求离谱那它对大多数人的参考价值就要打折扣。我筛选时会优先看有没有开源实现、有没有仿真环境支撑或者至少作者给出清晰实验设计。其次是任务覆盖的多样性。机器人领域其实很分散完全集中在机械臂操作会让只关注移动机器人的读者失去兴趣。这期特别准备了移动导航、四足控制、操作技能、感知交互几个方向让大家能看到整个盘子里的状态。第三点是热度信号。2021年年中的时候有些方向正处于爆发前夜比如视觉语言导航、域随机化在操作任务上的应用都属于“现在不看三个月后可能就被刷屏”的领域。选文时我会刻意多放一两篇这类论文帮大家提前建立认知。本期选文情况概览内部编号方向典型任务适合谁读A1触觉感知与机械臂操作插拔作业工业机器人、力控方向A2强化学习导航稀疏奖励下的移动机器人避障移动机器人、仿真训练A3四足机器人控制带扰动的小跑步态稳定足式机器人、控制算法A4Sim2Real迁移操作技能从仿真到真机所有做强化学习的团队A5视觉语言导航零样本指令导航具身智能、多模态感知1.2 速览阅读办法与缩写约定每篇的拆解我会固定用五个信息块分别是“一句话定位”“问题设定”“方法核心”“实验看点”“实操点评”。“一句话定位”解决的是你不知道这篇值不值得读的问题“问题设定”讲清楚作者在解决什么“方法核心”是文章的技术主干“实验看点”是作者如何证明自己有效“实操点评”则是我从工程角度给出的附加判断。因为会频繁出现术语这里约定一下我口里常用的几个缩写。RL指强化学习Sim2Real指仿真到真机的迁移MPC指模型预测控制DOB指扰动观测器VLP指视觉语言预训练模型。后面解析里出现这些词就不再每次都展开解释。另一个说明这些论文的预印本编号是我在内部速览时用的检索代号不是arXiv官方编号主要方便我自己的整理和微信搜索大家如果在公开平台搜索请直接用论文标题关键词。2. 核心论文逐篇解析2.1 论文A1触觉引导的机械臂插拔作业策略一句话定位用触觉反馈替代视觉和力传感器完成高精度插拔解决工业装配里的“找孔难”问题。问题设定非常实在。机械臂做插USB、插航空插头这类任务难度不在“插进去”本身而在“找到那个位置”。视觉引导需要标定精度高、光照稳定力传感器方案成本高而且在很小的接触力下噪声明显。触觉传感器能提供接触力/力矩信息但它的原始信号维度高、噪声大直接当状态输入强化学习训练起来非常不稳定。方法核心是分层强化学习这一点我觉得很有代表性。底层控制器直接接收触觉原始信号输出末端在xy平面上的微调位移和轴向进给速度顶层控制器根据任务进度阶段切换底层的行为模式比如“接近”“搜寻”“插入”“确认到位”。这种分层而不是端到端的理由也说得通端到端策略会把接触状态和任务进度混在一起学训练难度大而且一旦换工件整个策略基本报废。分层之后底层可以保留一定的通用性顶层只需要重新判断阶段即可。奖励函数作者设计得很克制只有两个项。一个是接触稳定性奖励要求接触力波动不要太大另一个是轴向进给进度奖励推进越深奖励越高。这里有个细节我特别注意训练初期给策略加了一个动作熵约束防止一开始就乱动导致安全风险。这个约束随着训练推进逐步放松等于先让机器人学会“不乱动”再学“怎么动”。实验看点是他们的精度指标和消融结果。在一套工业插拔测试工装上方法达到95%以上的成功率换不同插入初试角度后成功率仍然保持在80%以上。消融实验里去掉触觉反馈成功率直接掉了一半以上这说明触觉信息在闭环里起到了关键作用。作者还对比了和纯视觉方案的差异结论是视觉在找孔时够用但一旦进入接触阶段视觉的刷新率完全跟不上。实操点评这篇最大的价值不在算法框架而在工程细节。数据预处理部分他们对触觉信号做了滑动窗中值滤波叠加指数移动平均目的是在不破坏力变化瞬态特征的前提下压掉尖峰噪声。这种经验在论文正文里往往一笔带过但在复现时直接决定训练能不能收敛。还有一点是如果你在公司里也想做类似任务建议优先确认你的触觉传感器采样率低于500Hz的话分层策略里底层频率提不上去整体表现会打折扣。2.2 论文A2课程学习驱动的稀疏奖励移动机器人导航一句话定位用自动生成的课程解决移动机器人强化学习导航中的稀疏奖励问题避免机器人训练时长期“撞墙”原地不动。问题设定其实很常见。移动机器人导航在SLAM和经典路径规划体系下已经很成熟但研究者们仍希望用强化学习方法在未知环境中获得更自然的避障策略。难点在于奖励稀疏只有到达目标点才给一次性正奖励中间探索过程太长机器人几乎学不到任何梯度信号。方法核心可以拆成两个点。第一是潜在课程机制不是人工预设几条由易到难的路线而是用一个自动难度控制器实时调整训练环境的障碍密度和布局复杂度。判定难度的核心指标是一个滑动窗口内的平均回报只有这个窗口平均值连续超过阈值时难度才自动上升。这个“动态上升”的设计很聪明比固定成功率阈值更稳定因为成功率对边界情况太敏感。第二是状态观测设计。作者没有直接丢高维图像给策略而是把激光雷达测距数据压缩成低维占用网格再叠加当前子目标的相对坐标。这个设计既保留了障碍物局部结构又不会让属性网络过大导致训练变慢。行动空间不是连续速度指令而是离散化后的“向左转/向右转/直行/减速”四类候选动作这对真机部署时控制更友好。实验环节他们重点做了两件事。一是在仿真环境里和几个基线对比包括无课程的标准PPO和直接用静态随机环境的REINFORCE类算法课程方法在训练十几万步后的成功率明显领先。二是把策略迁移到真机性能掉得很快作者的处理方式是加入雷达噪声模拟和动态障碍物的域随机化最终真机成功率在可控测试环境下比较可用。实操点评课程阈值的具体数值不值得直接照搬因为你自己的奖励函数、环境复杂度都不同。我实践下来的经验是把窗口大小设为5000步左右比较稳阈值不要追求首次通过就升难度而是等连续三次超过阈值后再升这样训练进程稳定很多。还有一点离散动作空间虽然看似降低了灵活性但对真机安全很有用至少能方便地加一个“严禁倒车”的逻辑这在连续动作空间里反而要多绕一道手脚。2.3 论文A3带扰动估计的四足机器人小跑步态控制一句话定位把扰动观测器接入MPC预测模型显著提升四足机器人小跑时抵抗侧向推力和地形扰动的能力。问题设定落在足式机器人控制的一个经典痛点上。四足机器人在平地上小跑已经很成熟但一旦遇到侧向推力、斜面或者崎岖地面原有的步态控制器很容易失稳。传统PD加摆动腿规划方式对扰动反应比较被动MPC虽然能处理约束但模型预测控制的性能依赖模型是否准确而真实机器人总存在建模误差。方法核心分为三层。第一层是简化动力学模型作者用重心模型描述机器人整体运动把问题简化为质心位置和姿态的约束优化。第二层是MPC规划在预测时域内求解最优地面反作用力序列实现步态生成。第三层是扰动观测器这是这篇的亮点所在。DOB先在线估计侧向扰动的大小和方向再把这个估计值直接补偿进MPC的预测模型里而不是简单加在最后发出的关节力矩指令上。这个区别很关键。如果只是把补偿量加到PD控制器输出那相当于“事后纠偏”扰动已经影响状态后才反应。而MPC本身具备预测能力把扰动当作预测模型中的已知量规划器就会提前产生更正面的预防性动作。打个比方前者是开车时方向盘歪了才修正后者是知道路有侧风提前顶着方向盘走。实验看点作者用了三种测试持续侧向推力、周期性推力扰动、斜面小跑。对比不去除DOB的裸MPC加上DOB后的姿态偏差明显减小尤其是滚转角方向。小跑速度大约在每秒一点五米的量级抗推力幅度测试中能抵抗的侧向力提升了接近一倍。实操点评足式机器人控制这条线对理论深度要求很高但很容易忽略工程因素。我特别提醒一点DOB的带宽不要盲目调高。调太高会把传感器噪声放大机器人跑起来反而抖得更厉害。我一般是先压噪声再逐渐拉带宽直到观测到的扰动精度不再提升为止。另外MPC求解时间控制很关键如果你用的是四足低配计算板要考虑把预测时域缩短一点换取稳定控制频率宁可不那么“远见”也要保证每个控制周期都跑得完。2.4 论文A4域随机化策略在操作技能迁移中的校准方法一句话定位针对仿真到真机的操作技能迁移提出一套域随机化参数校准流程而不是盲目加大随机范围。问题设定源于Sim2Real迁移的核心矛盾仿真环境和真实物理世界总有偏差。如果仿真的摩擦系数、质量、延迟和真实机器人不一致训练出来的技能无法直接部署反过来如果只把域随机化范围调得非常大策略勉强学了各种情况却会因为问题太宽泛而学不出高效动作。方法核心建议了一套校准式流程而不是直接给一个固定配置。他们把物理参数按高斯分布建模然后从真实机器人上采集少量校准数据来估计这些分布的均值和方差。校准数据的采集方式不是复杂系统辨识只需要做几组简单的推拉、按压动作记录真实阻力曲线和到位误差。视觉参数方面同样在仿真里对比真实相机拍摄的纹理和光照分布调整仿真的渲染参数。这个方法的思想是“小数据校准出大致范围再靠域随机化覆盖边界”。相比没有校准的盲猜三组校准数据就能把真实范围估计出个八九不离十。作者还提到随机范围并不是越宽越好。如果某个参数的真实方差很小例如电机扭矩增益那随机范围就可以压缩否则策略会为了适应“不可能出现的大偏差”而白白放弃了很多性能。实验环节他们做了一个关节空间操作任务和一个小型抓取任务。在零样本迁移下校准过的域随机化策略成功率接近80%而没有校准的宽随机策略只有60%左右在真机上再用几十条数据精调一次后成功率可以到92%。实操点评这篇特别适合准备在这个方向开始踩坑的团队。我做迁移实验时最容易犯的错恰好就是这个一看到不收敛就盲目扩大随机范围结果越调越差。正确做法是回到真实数据标定这一步。一个很实用的复盘结论是仿真的质量远比“会不会随机”重要。你宁可把仿真器调准一点、摩擦模型建好一点也不要完全指望随机化帮你掩盖所有差距。2.5 论文A5基于视觉语言预训练模型的零样本室内导航一句话定位尝试利用视觉语言预训练模型完成“听懂指令并导航过去”的室内任务全程不需要额外的导航训练数据。问题设定正好切中那个时间点兴起的具身智能趋势。传统视觉语言导航方案需要收集大量“指令-轨迹”标注数据成本高昂泛化性也不好。作者尝试的方向是把任务拆解成“理解指令”“评估候选视角”“选择移动方向”几步用已经在图文数据上预训练好的模型作为核心推理组件从而省掉导航轨迹标注。方法核心是一个比较典型的“预训练模型动作候选集”方案。机器人停在某个位置时会先基于当前全景图生成若干个候选移动方向的局部视图再把原始指令和这些局部视图分别交给视觉语言预训练模型做匹配打分得分最高的候选方向被选为下一步移动方向。整个过程没有额外的导航网络训练纯靠预训练模型的图文对齐能力去判断“哪条路更符合指令”。实验看点是在一个模拟室内环境中对未见过的指令集合进行测试。对于单条短指令比如“去客厅的蓝色沙发旁边”预训练模型能做出合理选择成功率尚可但如果指令变长比如“穿过厨房走到卧室再在窗台边停下”策略就开始掉链子多房间连续导航的成功率下降明显。作者分析主要原因在于预训练模型的特征空间更接近“物体和场景的静态语义”而对“空间关系”“时序依赖”“门槛穿越”这类概念理解不足。实操点评这篇算是给后续视觉语言导航做了一次清楚的信号探测。零样本限制感觉很酷但真实的室内导航还需要地理拓扑信息的辅助。我自己看这个方向时得到的一条经验是遇到类似方案不要直接想“端到端彻底不用地图”而是考虑把预训练模型当成一个“高层决策模块”底层仍然用成熟SLAM建图和路径规划兜底。这条思路后来也被很多后续工作验证过现在看依然是落地比较稳的一条路线。3. 从五篇论文看2021年年中的机器人研究风向3.1 三个明确的趋势信号把这五篇放在一起看可以看到三个很清晰的信号。第一个信号是感知和控制越来越难分家。A1用触觉反馈驱动插拔A3用扰动观测配合MPCA5用视觉语言模型做决策全部都在说明一个事实纯靠一个传感器或者一个模型完成任务的旧范式正在被淘汰。机器人系统更像一个闭环感知信息直接参与控制决策控制输出又反过来影响下一次感知。第二个信号是仿真和Sim2Real已经成为机器人RL研究的默认前置条件。A2、A4都花了大篇幅讲仿真环境设计和迁移问题而这在早两年还只是少数实验室的加分项。行业对这个环节的态度已经从“如果做了”变成“必须做”。做机器人强化学习的团队仿真平台的建设优先级已经跟算法调参一样高了。第三个信号是多模态预训练模型开始进入机器人感知决策链路。A5用的视觉语言预训练模型在2021年已经相对成熟虽然直接用在导航上显得吃力但这个方向被点着之后后面迅速涌现出一大批结合大模型做机器人任务规划的工作。当时看是论文现在回头看其实是一个拐点。3.2 对从业者的启示如果你正在做技术选型或者给团队定方向我的建议是这样的。第一感知-控制闭环方向的岗位需求和技能栈会越来越宽纯做感知算法但不懂控制的人在机器人团队里的适配性会下降第二仿真平台投资可以放心加大不管做机械臂操作、移动底盘还是足式机器人一套能快速搭场景、出数据的仿真管线就是你团队的复现能力和实验效率第三多模态模型方向一定要保持关注即使暂时没有算力去做大模型训练也值得先用现成预训练模型跑几个机器人场景看看反应。这不代表经典方法没用了。恰恰相反SLAM、运动规划、控制理论这些基础能力是地基趋势信号只是在告诉你“上层该配什么东西”。4. 把论文速览变成能力的落地方法4.1 速读与精读的两阶段过滤法很多人看到我每周写速览会问“怎么才能像你一样快速判断论文值不值得读”。其实核心就是一套两阶段过滤法。第一阶段是速读控制在二十分钟以内。先看标题判断和自己方向的相关度是否超过三成再看摘要找到作者说清了的“三个要素”问题是什么、方法是什么、实验结果怎样然后直接翻到图表部分重点看图是否说明了核心贡献最后把结论读一遍和摘要预期对照。如果这一步发现论文没给你带来任何新信息直接丢进归档列表就行。真正的精读只应该在筛选过的论文上发生。精读阶段我会要求自己回答三个问题作者的假设是什么、这个假设为什么成立、如果去掉其中一个模块结果会怎样。带着这三个问题通读正文做完笔记这篇论文才算真正进脑子。4.2 何时值得复现以及复现前准备复现是最花时间的事情不是每篇论文都值得做。我现在的标准是要么论文解决的问题正好卡在你的业务线上要么它的方法有希望能直接替换你当前方案的一个薄弱环节两级过滤后还能留下的论文才考虑复现。复现前有一份检查清单我踩过坑后总结出来的环境准备先确认代码是否依赖特定硬件比如需要特定相机、特定型号的机械臂或特殊传感器。依赖锁定整理requirements.txt时要注意版本范围机器人社区的老代码经常跑不起来都是因为某几个依赖版本跳版了。评估指标提前想好“复现成功”怎么定义。是达到论文报告指标的80%就算成功还是必须完全一致没有这个定义你会在调参里迷失。时间盒给复现设定一个时间上限例如三周。超过时间就停下来重新读论文寻找自己不理解的细节而不是继续死调参数。我在复现A2导航策略的时候就因为没先做时间盒多花了两个星期去折腾仿真物理参数最后发现问题是自己把雷达测距的坐标方向搞反了。早一点停下来读代码省下的时间可能够再做一组实验。5. 论文信息源与常见翻车点排查5.1 靠谱信息源推荐好信息源比机器人本体更稀有。我的论文获取渠道主要分三类。第一类是有影响力的预印本平台每天定时刷关键词关键词设置要具体光用“robot”会淹没在大量无关论文里。第二类是几个垂直方向的论文汇总频道有的专注足式机器人有的专注机械臂操作信息密度比大平台高很多。第三类是会议论文集的官方列表尤其是机器人领域几个顶级会议接收论文公布时那几天的信息量大到值得专门花时间整理。我的习惯是每天固定留二十分钟刷一遍筛选后的增量每周做一个自己的速览归档。这个习惯坚持下来以后你会发现两个月后的“热点”你其实早就看过它的前身了。5.2 典型问题与排查速查表处理论文信息流时我总结了一些高频问题的排查思路整理成速查表供参考高频问题可能原因排查与避坑建议论文没有开源代码作者团队没有公开计划先看论文的“补充材料”、仿真配置能用描述性信息复现的就先模拟代码仓库依赖过老的深度学习框架作者使用了当时特定版本不要直接升级最新版用虚拟环境锁老版本优先保证跑通论文报告指标复现不出来环境的随机性、超参未完全公开找置信区间和随机种子数多跑几个seed取中位数再比较数据集下载链接失效项目维护停滞用web archive或联系作者邮箱获取这类项目往后放不值得死磕训练时间远超预期你的资源规格和作者不同先降采样率或减batch用最小配置打通pipeline再逐步恢复真机效果比仿真差很多系统辨识和域随机化不足优先采集真实数据标定仿真参数而不是继续调算法论文的结果图很漂亮但表格里错误率高作者只展示了成功案例重点关注失败案例分析那才是隐藏信息最多的部分这表格是我踩坑以后慢慢补出来的现在每隔几周还会更新一两行。如果你也常年在论文和代码之间来回折腾建议建一个自己的“通用问题排查”文档积累比记忆力可靠。我个人做速览做到第九期最大的变化是心态。前几期我总想把所有论文都读完后来发现这会把注意力碎片化真正该做的是在大量信息里挑出那几条你愿意为之花几周的线索。这期里A1的工程细节和A4的校准思路是我自己觉得值得继续深挖的大家也可以从你们的业务场景出发选一两篇精读。看到这里如果你有什么补充欢迎在评论区聊聊你正在复现的论文。