主题
机器人操作
理解机器人如何抓取、移动、装配并借助工具改变物理环境。
机器人操作研究机器人如何通过夹爪、灵巧手、机械臂或工具与物体接触并改变环境,覆盖抓取、放置、装配、工具使用以及双臂协同等任务。它不同于单纯的移动能力,核心难点来自物体状态估计、接触动力学、动作规划、力控制和误差恢复。
本主题连接感知、控制、触觉、学习与硬件设计,重点观察系统是否能在物体差异、环境扰动和长任务序列下稳定工作,而不只是在受控条件下完成一次演示。
从这里开始
长期指南机器人灵巧手和工业夹爪有什么区别?如何根据任务选择?
从固定工件搬运到手内操作与柔性物体处理,本文按任务成功条件、接触与控制能力、系统集成成本比较平行夹爪、自适应两指夹爪与多指灵巧手,并指出不同产品规格不可直接排名的原因。
阅读文章 →相关内容
机器人灵巧手怎么选?从自由度、触觉感知到软件集成
选择机器人灵巧手,不是比较谁的手指更多、自由度更高,而是判断具体操作任务需要怎样的机械驱动、接触感知、控制接口和软件环境。本文从研发与系统集成出发,说明如何读懂产品参数、识别版本差异,并在购买或询价之前核实关键条件。
长期指南什么是机器人控制?从高层指令到真实运动
机器人控制通过反馈、运动与力调节、预测式优化、全身协调和学习组件,把期望行为转化为真实物理动作。
长期指南什么是机器人世界模型?机器人如何预测行动之后会发生什么
世界模型帮助机器人预测动作可能如何改变物理世界。本文解释学习到的环境动态、规划、潜在预测、仿真、VLA,以及预测真实世界结果时仍然存在的边界。
长期指南什么是机器人基础模型?从 AI 模型到物理智能
机器人基础模型把基础模型思想带入物理系统,解释数据、感知、行动、具身与反馈如何在现实约束下共同工作。
长期指南机器人如何完成操作?从感知、规划到控制
机器人操作是通过与物体和环境进行有目的的物理交互来完成任务。本文以插销插入为贯穿示例,解释任务相关状态、抓取、规划、接触、控制、反馈,以及学习方法和真实部署证据之间的关系。
长期指南什么是 VLA?Vision-Language-Action 模型如何让机器人理解并执行指令
解释 Vision-Language-Action 模型如何连接语言、视觉与机器人行为,以及它在完整机器人控制架构中的位置。
长期指南从 LLM 到机器人动作:VLM、VLA、世界模型、强化学习、Sim2Real 和机器人控制到底是什么关系?
用一个“把红色杯子放进盒子”的任务,拆开 LLM、VLM、VLA、世界模型、模仿学习、强化学习、仿真、Sim2Real、规划、策略与控制在 Physical AI 中的分工。