VLA

图像与语言 → 动作。代表 RT-2、OpenVLA、π0/RDT/GR00T 等。

世界模型

状态+动作→下一观测；可与策略耦合为 WAM。

IL/BC

演示监督学习；ACT 适合双臂遥操作。

RL

奖励优化；常在仿真并行训练后 Sim2Real。

Diffusion Policy

扩散拟合多峰动作分布（RSS 2023）。

Sim2Real

域随机化、系统辨识、Real2Sim2Real、人在环修正等。

多模态与触觉/灵巧手

视触融合与电子皮肤支撑精细操作。

Embodied-AI-Guide；综述 2407.06886。