圖書信息
內容簡介
對 arXiv cs.RO 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 120 篇論文 的細讀整理，組織為 44 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 端到端自主控制與視覺—語言—動作模型 (19.5%) — 探索用於高效自主操作與駕駛的統一端到端策略、擴散模型與視覺—語言—動作框架。
- 安全且魯棒的模型預測控制 (6.1%) — 開發魯棒、自適應且經安全過濾的模型預測控制技術，以應對動態不確定性受限軌跡。
- 實時感知、建圖與神經場景重建 (10.9%) — 利用 LiDAR 與基於圖的方法，面向可泛化環境的實時目標檢測、語義建圖與神經場景重建。
- 靈巧操作與人形全身控制 (8.6%) — 研究複雜物理交互中人形與軟體機器人的觸覺感知、靈巧抓取與全身控制策略。
- 分層任務規劃與具身推理 (4.2%) — 利用大語言模型與分層推理結構，實現長時程任務規劃與多智能體導航。
- 視覺 SLAM 與魯棒位姿估計 (3.9%) — 利用高斯潑濺、神經濾波器與魯棒位姿跟蹤，增強運動模糊與遮擋條件下的視覺 SLAM 與狀態估計。
- 用於運動控制的深度強化學習 (3.3%) — 應用深度強化學習（含基於模型與離線方法），優化底層運動控制與多智能體協調。
- 零樣本視覺—語言導航 (0.7%) — 聚焦於視覺—語言導航任務中的零樣本遷移與推理，採用想像式框架與神經符號規劃。
- 主動探索與自適應感知策略 (0.3%) — 研究主動感知與探索算法，以最小化不確定性並優化太空與災害響應場景中的信息增益。
- 人機交互與多模態技能學習 (41.5%) — 聚焦於開發多模態數據集、數字孿生與自然語言接口，以促進無縫人機交互與技能適應。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
