将物理先验嵌入机器人学习: 综述与统一分类

摘要

纯数据驱动方法在计算机视觉和自然语言处理中成绩显著，但机器人学仍受数据有限、真实交互复杂和可靠运行需求制约。该综述回顾物理嵌入式机器人学习，覆盖广泛物理先验、机器人应用和机器学习模型，从单层感知机到生成式基础模型。作者提出统一分类法：物理引导的输入、数据与表示，物理编码的模型架构，物理约束的训练损失函数，并据此回顾动力学学习、轨迹规划、预测、控制与估计及开源软件生态。文章指出开放挑战和未来方向，认为物理先验补充而非取代数据驱动学习，有望推动更泛化、数据高效和可信赖的机器人系统。