Language-conditioned Learning for Robotic Manipulation: A Survey

语言条件下的机器人操作代表了前沿研究领域，可以实现人类与机器人代理之间无缝的沟通与合作。该领域专注于教授机器人系统理解和执行自然语言传达的指令。为了实现这一目标，开发能够从文本输入中提取可操作见解的强大语言理解模型至关重要。在这份全面的调查报告中，我们系统地探讨了在机器人操作背景下语言条件下方法的最新进展。我们根据它们的学习范式进行了分析，包括强化学习、模仿学习以及基础模型的集成，例如大型语言模型和视觉语言模型。此外，我们进行了深入的比较分析，考虑了语义信息提取、环境和评估、辅助任务以及任务表示等方面。最后，我们概述了语言条件下机器人操作学习的潜在未来研究方向，包括泛化能力和安全问题。

语言条件下的机器人操作是一个前沿领域，需要开发强大的语言理解模型来实现自然语言指令的理解和执行。本文旨在系统地探讨语言条件下的机器人操作的最新进展。

本文系统地研究了语言条件下的机器人操作的学习范式，包括强化学习、模仿学习和基础模型的集成，并进行了深入的比较分析。

本文分析了语义信息提取、环境和评估、辅助任务和任务表示等方面，并提出了未来的研究方向，包括泛化能力和安全问题。

最近在这个领域中，还有一些相关的研究，如《基于深度学习的语言条件下的机器人操作：综述与展望》、《自然语言指令的机器人操作：一个综述》等。