AI+机器人博士论文 | UC Berkeley 2026 | 源自具身经验的具身智能 90页

机器人有望在非结构化的日常环境中协助人类，但目前的机器人系统在感知运动控制方面仍远落后于人类。它们往往要么动作灵巧却鲁棒性差，要么具备通用性却显得笨拙。当前机器人学习领域的主流方法严重依赖于扩展人类演示数据；本论文指出，这些方法在根本上受到人类与机器人之间“具身差异”（embodiment gap）以及高质量数据（尤其是针对灵巧操作的数据）匮乏的制约。因此，我主张将研究重心从单纯依赖人类演示转向“具身智能”（Embodied Intelligence）——即机器人通过主动探索和自我提升来获取日益灵巧且具备通用性的技能。

本论文提出了三项主要贡献，旨在推动这一范式走向实际应用。首先，我介绍了几种从人类指导中学习灵巧操作先验知识的方法，包括低延迟遥操作系统和视觉-触觉策略学习流程，这些方法有助于弥合人机数据之间的鸿沟。其次，我开发了用于“仿真到现实”（sim-to-real）强化学习的系统性技术，证明了无需海量算力或照片级逼真仿真，也能高效学习复杂的、涉及丰富接触交互的操作技能。第三，我提出了能够整合并扩展现有算法组件的框架，以构建能力更强的现实世界机器人系统。这些贡献共同使机器人能够执行精细、涉及丰富接触且长时程的任务，并展现出以往基于模型或基于学习的方法难以企及的灵巧度和通用性。更重要的是，它们展示了一条通往新型机器人学习系统的路径：这类系统不仅能向人类学习，还能通过自主的具身经验不断自我提升。