◉具身智能研习站Embodied AI

参考资料

说明：以下文献与资源基于模型知识整理，出版信息以 2025 年中为基线；arXiv 论文建议以最新版本为准。标注 ★ 的是建议入门者优先接触的。

一、按模块的论文精选

基础与分野（对应 kp-001~005）

  • Brooks, R. Intelligence without representation. Artificial Intelligence, 1991。
  • Moravec, H. Mind Children. Harvard University Press, 1988。
  • Pfeifer, R. & Bongard, J. How the Body Shapes the Way We Think. MIT Press, 2007。
  • Harnad, S. The Symbol Grounding Problem. Physica D, 1990。
  • ★ Open X-Embodiment Collaboration. Open X-Embodiment: Robotic Learning Datasets and RT-X Models. ICRA 2024。

感知（kp-101~105）

  • Qi et al. PointNet: Deep Learning on Point Sets. CVPR 2017；PointNet++ NeurIPS 2017。
  • Fang et al. AnyGrasp: Robust and Efficient Grasp Perception. T-RO 2023。
  • Wen et al. FoundationPose: Unified 6D Pose Estimation. CVPR 2024。
  • Thrun, Burgard & Fox. Probabilistic Robotics. MIT Press, 2005。
  • ★ 高翔等. 《视觉 SLAM 十四讲》（第二版）. 电子工业出版社。
  • Mur-Artal & Tardós. ORB-SLAM3. T-RO 2021。
  • Yuan, Dong & Adelson. GelSight Tactile Sensing. Sensors 2017；Lambeta et al. DIGIT. RA-L 2020。
  • Bloesch et al. State Estimation for Legged Robots. RSS 2012。

运动与控制（kp-201~206）

  • ★ Lynch & Park. Modern Robotics. Cambridge University Press, 2017（免费 PDF + 公开课视频）。
  • ★ Tedrake, R. Underactuated Robotics 与 Robotic Manipulation（MIT，免费在线书）。
  • LaValle, S. Planning Algorithms. Cambridge University Press, 2006（免费在线）。
  • Hogan, N. Impedance Control（三篇系列）. J. Dyn. Sys., Meas., Control, 1985。
  • Vukobratović & Stepanenko. ZMP. Math. Biosci. 1972；Kajita et al. LIPM 系列， 2001-2003。
  • Di Carlo et al. Dynamic Locomotion in the MIT Cheetah 3. IROS 2018。
  • Wensing et al. Optimization-Based Control for Dynamic Legged Robots. T-RO 2023（WBC 综述）。
  • Rudin et al. Learning to Walk in Minutes Using Massively Parallel Deep RL. CoRL 2021（legged_gym）。
  • Lee et al. Learning Quadrupedal Locomotion over Challenging Terrain. Science Robotics, 2020。
  • Rawlings, Mayne & Diehl. Model Predictive Control. 2017。

学习范式（kp-301~307）

  • ★ Sutton & Barto. Reinforcement Learning: An Introduction (2nd ed.). 2018（免费 PDF）。
  • Ross, Gordon & Bagnell. DAgger. AISTATS 2011。
  • Schulman et al. Proximal Policy Optimization. 2017；Haarnoja et al. Soft Actor-Critic. ICML 2018。
  • ★ Chi et al. Diffusion Policy. RSS 2023；Ze et al. 3D Diffusion Policy. 2024。
  • ★ Zhao et al. Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware（ALOHA/ACT）. RSS 2023；Fu et al. Mobile ALOHA. 2024。
  • Brohan et al. RT-1. 2022；RT-2. 2023。
  • ★ Kim et al. OpenVLA. CoRL 2024。
  • Physical Intelligence. π0: A Vision-Language-Action Flow Model. 2024；π0-FAST / FAST tokenizer. 2025。
  • Figure AI. Helix. 2025；NVIDIA. GR00T N1. 2025（架构说明）。
  • Hafner et al. DreamerV3 / Mastering Diverse Domains through World Models. Nature 2025。
  • Ha & Schmidhuber. World Models. 2018；Bruce et al. Genie. 2024。
  • Ahn et al. Do As I Can, Not As I Say（SayCan）. 2022；Huang et al. VoxPoser. CoRL 2023；Inner Monologue. CoRL 2022；Liang et al. Code as Policies. ICRA 2023。

数据、仿真与评估（kp-401~406）

  • Todorov, Erez & Tassa. MuJoCo. IROS 2012。
  • Makoviychuk et al. Isaac Gym. 2021；Isaac Lab 官方文档。
  • Tobin et al. Domain Randomization. IROS 2017；Peng et al. Dynamics Randomization. ICRA 2018。
  • ★ Chi et al. UMI: Universal Manipulation Interface. RSS 2024。
  • Mandelkar et al. MimicGen. 2023；Nasiriany et al. RoboCasa. 2024。
  • DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset. 2024。
  • Liu et al. LIBERO. NeurIPS 2023；Mees et al. CALVIN. 2021；James et al. RLBench. RA-L 2020。
  • Andrychowicz et al. Hindsight Experience Replay. NeurIPS 2017。

系统工程与前沿（kp-501~604）

  • Seok et al. MIT Cheetah 执行器设计三篇（2015-2017）。
  • Bicchi & Kumar. Robotic Grasping and Contact: A Review. ICRA 2000。
  • Sferrazza et al. LEAP Hand. 2023。
  • Anderson et al. Vision-and-Language Navigation. CVPR 2018。
  • Liu et al. OK-Robot. 2024。
  • Amodei et al. Concrete Problems in AI Safety. 2016。
  • ISO 10218-1/-2、ISO/TS 15066、ISO 13482（标准文本）。
  • EU AI Act（2024）；工信部《人形机器人创新发展指导意见》（2023）。

二、课程与书

  • ★ Berkeley CS 285（Sergey Levine, Deep RL，公开课）。
  • ★ Stanford CS 231n（视觉深度学习，公开课）。
  • ★ MIT 6.4210 Robotic Manipulation（Russ Tedrake，免费书 + 课 + 练习）。
  • 《概率机器人》（Thrun 等，中译本）——状态估计与 SLAM 地基。
  • 《机器人学导论》（Craig，中译本）——经典运动学/动力学教材。

三、开源代码与工具链

  • LeRobot（Hugging Face）：数据集格式 + ACT/Diffusion Policy 训练 + SO-100/SO-101 硬件生态。★ 个人实践首选。
  • legged_gym / rsl_rl / Isaac Lab：RL locomotion 标准训练栈。
  • MuJoCo + Menagerie + MJX/Playground：物理仿真与模型库。
  • MoveIt 2 / Nav2 / ros2_control：ROS 2 操作与导航栈。
  • Pinocchio / Drake：刚体动力学与基于优化的控制。
  • OMPL：运动规划算法库。

四、数据集与基准入口

  • Open X-Embodiment / RT-X： robotics-transformer 项目页。
  • DROID： droid-dataset.github.io。
  • LIBERO / CALVIN / RLBench / Meta-World / ManiSkill / RoboCasa： 各自项目页与排行榜。

五、持续跟踪的信息源

  • 会议：CoRL、RSS、ICRA、IROS；期刊：Science Robotics、T-RO、RA-L、IJRR。
  • 机构博客：Google DeepMind Robotics、Physical Intelligence、Figure、1X、ETH RSL、Stanford REAL/IRIS、Berkeley BAIR、CMU RI。
  • 中文社区：泡泡机器人、深蓝学院、《视觉 SLAM 十四讲》配套社区、各家（宇树/智元/松灵）开发者论坛。
  • 反炒作矫正器：Rodney Brooks 的年度预测评分卡（Predictions Scorecard）。
更新提示：VLA 模型与人形产业进展极快，本清单以 2025 年中为基线；使用时请以各项目页/论文最新版本为准。