从“会动”到“会学”：移动机器人学习型运动规划与控制全景综述

从"会动"到"会学"：移动机器人学习型运动规划与控制全景综述

具身智能（Embodied AI）的终极目标是让机器人像人一样，在与环境的持续交互中学习、进化。而运动规划与控制，正是机器人"如何交互"的底层答案。本文基于一篇系统综述，从系统架构这一全新视角，梳理学习型运动规划与控制的研究版图，并聚焦安全学习、Sim2Real 迁移与大语言模型三大关键支柱。

一、为什么需要"学习型"运动规划与控制？

传统移动机器人遵循"感知---规划---控制 "的模块化流水线：SLAM 估计状态并建图，规划器生成无碰撞轨迹，控制器计算执行器指令。这套基于模型的方法在静态环境中成绩斐然，但依赖预先设计的范式、显式数学模型和专家调参，难以从经验中学习，在敏捷无人机飞行、四足机器人跑酷等动态复杂任务中捉襟见肘。

深度强化学习（DRL）与深度模仿学习（DIL）让智能体直接从环境数据和任务示范中学习策略，突破了固定专家规则的局限。但纯学习型方法也面临样本效率、安全性、可解释性与可迁移性四大挑战。将机器学习与传统方法融合（如 ML-MPC），以及安全学习、Sim2Real、大语言模型等技术，成为通向具身智能的关键路径。

图3 交互---学习闭环与三大支柱（原文 Fig. 3）

图3：全文逻辑关系图（原文 Fig. 3）。安全、Sim2Real、LLM 是支撑真实世界应用的三大基石

以概念图形式揭示了全文逻辑：具身智能的核心是智能体与环境的"交互---学习"闭环------"如何交互"由规划与控制回答，"如何学习"由 ML 范式回答，而安全、Sim2Real、LLM 是支撑真实世界应用的三大基石。

二、核心贡献：五类系统架构的分类法

与以往按算法或应用领域分类的综述不同，本文以 ML 在传统流水线中发挥作用的功能位置 为依据，提出五类系统架构（Mode 1--5），并给出各架构的优缺点与代表性工作（原文 Table I）。

架构	ML 嵌入位置	代表方法	优势	局限
Mode 1	感知模块	单目深度估计、自适应卡尔曼滤波	计算成本低	泛化差、可解释性弱
Mode 2	规划模块	DIL / DRL 输出高层指令、参考点、轨迹控制点	无需试错（DIL）、可处理高维信息	依赖专家、误差累积
Mode 3	底层控制	DRL/DIL 状态→执行器；MBRL；ML-MPC	样本效率高（MBRL）、保留 MPC 约束满足能力	稳定性与鲁棒性缺乏保证
Mode 4	规划+控制统一	多传感器→执行器	减少误差累积	Sim2Real 迁移困难
Mode 5	端到端	原始传感器流→底层动作	最接近人类行为范式	稀疏奖励、训练极难

表 I 五类系统架构分类总表（原文完整版）（原文 Table I）

表 I：原文完整分类表截图（英文原表）。相比上面的 Markdown 摘要，完整版逐行列出了各架构下的代表工作与能力标注

上面的表格是便于手机阅读的浓缩版；原文 Table I 的完整版见上图，可放大查看每个 Mode 下的具体工作。

图4 综述结构与技术分类概念图（原文 Fig. 4）

图4：全文结构与技术分类总概念图（原文 Fig. 4）

图5 五种系统架构（原文 Fig. 5）

图5：五种系统架构（原文 Fig. 5）。图中标注了各模式下 ML 的嵌入位置与信息流

图4 给出全文结构，图5 直观展示了 NN 如何被嵌入感知、规划、控制不同环节，形成五种架构。

关键洞察 ：端到端学习面临稀疏奖励与训练困难；而将原始视觉数据预处理为任务相关的抽象表征（如分割掩码提取的间隙边缘、离散 3D 点表示的门框），往往比从原始像素直接学习更有效------这一发现来自 Zhou 等人对"计算机视觉对动作是否重要"的对比研究【39】。

三、四大学习范式在不同架构中的应用

3.1 深度强化学习（DRL）

DRL 结合了 RL 的决策优势与 DNN 的表征能力，是最接近人类学习方式的技术。

学习规划（Mode 2）：RL 策略可输出高层指令（引导 RRT 探索、自适应调节参考速度/预测时域），或与 MPC 结合输出子目标（视点、位置）作为局部规划器参考【46--48】。其优势在于无需数值优化即可处理高维复杂信息，但可解释性与最优性无保证。
学习控制（Mode 3）：早期工作验证了 DNN 控制器在姿态恢复、固定翼姿态控制上的可行性【62】【33】。可解释性可通过分解为级联子模块实现【63】，收敛性可与传统控制器结合增强【64】，安全性可借助外部安全滤波器保障【32】。
规划控制一体化（Mode 4/5） ：这是 DRL 最广泛采用的范式。无人机竞速 是标志性场景------DRL 策略可实时运行【94】，性能超越顶级人类飞行员【14】（Kaufmann 等发表于 Nature 的工作）。Song 等人的对比研究【15】进一步指出：DRL 超越最优控制并非因为更好地优化了目标，而是优化了更合适的目标。
部分可观测性（POMDP）：策略常配备记忆模块，如 LSTM【34】、时序卷积网络（TCN）【31】、门控循环单元（GRU）【3】，从观测历史推断潜在状态。
多智能体（MADRL）：集中训练分散执行（CTDE）成为主流范式，成功应用于多机器人目标搜索【106】与密集环境无碰撞集群【108】【109】。

3.2 深度模仿学习（DIL）

DIL 从离线专家示范中学习，比 DRL 更安全、更高效。核心是师生（T-S）学习框架，最直接的形式是行为克隆（BC）：

L(θ)=E(s,a)∼D $(πθ(s)-a)2$ \mathcal{L}(\theta) = \mathbb{E}_{(s,a)\sim \mathcal{D}}\left $(\\pi_{\\theta}(s) - a)\^2\\right$ L(θ)=E(s,a)∼D $(πθ(s)-a)2$

图6 四种 T-S 学习框架（原文 Fig. 6）

图6：四种 T-S 学习框架（原文 Fig. 6）。教师拥有"特权信息"（完美感知、真值状态），通过策略蒸馏把能力传给学生

四种框架分别是：(a) BC（行为克隆）；(b) 动作空间蒸馏；© 并发 T-S 学习（教师与学生共享 actor-critic 策略）【131】；(d) 经验迁移【66】。

DIL 的核心难题是协变量偏移导致的复合误差，经典解法是 DAgger 算法【132】------用学习到的策略收集数据、请求专家纠正。此外，RL 微调【53】、在线人类干预【92】【61】可进一步提升泛化性与安全性。

3.3 基于模型的 RL（MBRL）

MBRL 通过学习世界模型作为"模拟器"生成虚拟数据，显著提升样本效率。三步骤范式为：真实数据采集 → 世界模型训练 → 在模型预测中训练策略。

图7 MBRL 的三步范式（原文 Fig. 7）

图7：MBRL 三步范式（原文 Fig. 7，引自【119】）

图8 无模型 RL 与两类基于模型 RL 的结构（原文 Fig. 8）

图8：三类学习结构对比（原文 Fig. 8）。(a) 无模型 RL；(b) 规划型 MBRL；© Dyna 型框架

代表性工作包括：PILCO【136】（高斯过程建模不确定性）、PlaNet【141】、Dreamer【142】（DNN 世界模型，可直接从高维图像规划），以及 Romero 等【119】用 Dreamer 架构从零训练出基于视觉的无人机竞速策略。MBRL 的核心挑战是模型误差在长时程预测中的累积。

3.4 ML-MPC：学习与经典控制的融合

MPC 在移动机器人精密控制中表现优异，但计算成本与模型精度限制了机载部署。ML-MPC 分为三类（原文 Table II 给出形式化对比）：

表 II ML-MPC 三类框架的形式化对比（原文 Table II）

表 II：原文表格截图（英文原表）。三类 ML-MPC 的公式化对比，对应下文的 (a)(b)© 三种结构

图9 三类 ML-MPC 结构（原文 Fig. 9）

图9：三类 ML-MPC 结构（原文 Fig. 9）

MPC 引导的策略搜索（MPC-GPS）：用 NN 策略替代在线 MPC，推理极快（毫秒级），适合高频控制；但任务特定、泛化有限。代表工作：Kaufmann 等【58】用非线性 MPC 跟踪控制器 + 特权学习获得四旋翼特技策略。
学习动力学 ：从真实数据学习 fθ(st,at)f_{\theta}(s_t, a_t)fθ(st,at)，可捕捉气动阻力【79】、旋翼交互【153】、地面摩擦【83】等非线性效应。模型类型涵盖线性模型【76】、多项式【77】、高斯过程【78】【79】【7】、神经网络【81--84】；学习残差动力学【7】【79】【153】通常比从零学习完整模型更数据高效。
学习高层变量：高层策略在 MPC 优化循环之外实时配置代价、约束、参考点等决策变量，兼顾学习的灵活性与 MPC 的严谨性。代表工作：Loquercio 等【87】用采样算法调节高速飞行 MPC 参数；Kostadinov 与 Scaramuzza【88】在线更新代价函数权重提升跟踪精度。

表 III 学习动力学方法分类（原文 Table III）

表 III：原文表格截图（英文原表）。线性模型、多项式、高斯过程、神经网络等模型类型的代表工作一览

上表把第 2 类"学习动力学"涉及的各方法按模型类型做了归类，可对照查看。

四、三大关键支柱

4.1 安全学习控制

安全性可定义为状态与动作约束在无限时程上的满足【160】。核心矛盾是安全性与任务性能的权衡：模型先验越强，可证明的安全保证层级越高（图10）。

图10：不同模型先验下的安全保证层级（原文 Fig. 10）

图11 两种安全学习控制策略（原文 Fig. 11）

图11：安全学习控制策略（原文 Fig. 11）。(a) 安全备份控制器；(b) 安全滤波层

安全 RL：将问题建模为约束马尔可夫决策过程（CMDP）。Srinivasan 等【162】学习安全评论家估计约束违反概率，但联合优化易导致策略过度保守。
安全备份控制器：训练状态值/动作值网络预测潜在违规，作为智能切换机制【163】。He 等【105】的四足高速运动框架同时训练激进策略、恢复策略与 reach-avoid 值网络。
安全滤波层：基于控制屏障函数（CBF）【165】或 MPC【32】的最小干预修正。CBF-QP 是凸问题、可实时求解【160】，但手工设计困难；BarrierNet【167】用 NN 构造可训练 CBF，GP 可显式处理不确定性【168】，隐式 CBF【169】已实现 100 km/h 高速四旋翼实时部署。

4.2 Sim2Real 迁移

动力学差距（摩擦、气动、执行器延迟）与视觉差距（纹理、光照、传感器噪声）是 Sim2Real 的两大障碍【122】。

表 IV 仿真器性能对比（原文 Table IV）

表 IV：原文表格截图（英文原表）。PyBullet、AirSim/CARLA、Flightmare、RflySim、Gazebo、Isaac Gym 横向对比

表 IV 系统对比了 PyBullet、AirSim/CARLA、Flightmare、RflySim、Gazebo、Isaac Gym 在渲染引擎、物理引擎、训练速度、并行训练、传感器支持等维度的性能------Isaac Gym【176】凭借 GPU 大规模并行在训练速度上遥遥领先，而 AirSim【173】/CARLA 在视觉保真度上占优。

四条技术路线：

仿真改进：从真实数据辨识系统动力学参数【178】【179】。Hwangbo 等【30】通过辨识力矩---电流非线性关系成功迁移四足运动策略；Gronauer 等【71】用贝叶斯优化辨识四旋翼参数。
域随机化：广泛随机化动力学【69】【184】与视觉参数【185】分布，把真实世界视为"又一个随机实例"（图12 展示了域随机化生成的仿真数据【183】）。Du 等【186】提出域随机化参数的自动调优方法。
域适应：学习域不变特征，通过对抗训练【187】将仿真与真实映射到共享潜空间。Liu 等【172】将其应用于飞艇；Xiao 等【104】训练自适应特征提取器提取环境配置参数。
少样本真实数据微调：作为最后一步弥合残余差距，包括人在回路在线纠正【61】。

图12 域随机化生成的仿真数据（原文 Fig. 12）

图12：域随机化生成的仿真数据（原文 Fig. 12，引自【183】）

4.3 大语言模型与具身智能

LLM 为具身智能带来泛化与高层推理的突破。Mobile ALOHA【188】虽能完成擦红酒杯、洗碗等复杂任务，但仍依赖人类示范的 DIL，无法完全自主或适应新任务------"把物体从桌子中间推到右上角"的策略，甚至完不成"推到右下角"的微小变体。这正说明低层感知运动技能缺乏对世界的组合式理解。

图13 具身智能实例（原文 Fig. 13）

图13：具身智能实例（原文 Fig. 13）。(a) Mobile ALOHA【188】；(b) VLN 任务【191】

机器人基础模型：Google DeepMind 的 RT-1【192】→ PaLM-E【193】→ RT-2【194】→ RT-X【195】演进路线；NVIDIA 的 VIMA【196】支持多模态任务指令；字节跳动的 GR-1【197】基于大规模视频预训练。
高层语义规划与导航：NavGPT【199】将视觉观测转为文本推理下一步可达点；GPT-DRIVER【200】把运动规划建模为语言建模问题；NaVid【191】【201】是首个仅用 RGB 视频流输入、输出文本动作指令的导航系统；DiscussNav【202】采用专家 VLM 集成讨论决策。
低层控制 ：LLM 更适合作为奖励设计者 【205】【206】、轨迹生成器 【207】、策略程序员【208】，而非直接输出连续控制量------其毫秒级实时性与物理 grounding 仍是瓶颈。

五、挑战与未来方向

图14 三层级挑战与改进方向（原文 Fig. 14）

图14：学习型策略落地面临的挑战与改进建议（原文 Fig. 14）。从算法、任务到真实世界应用三层展开

算法层：数据效率（Transformer/扩散模型世界模型、少样本学习）、安全保证（安全 RL + CBF）、可解释性（物理信息神经网络 PINN【159】、传统方法与 ML 结合）。

任务层：人类交互（干预学习、RLHF）、多任务（渐进神经网络 PNN、元 RL）、环境不确定性（不确定性建模、在线主动学习）。

真实应用层：Sim2Real（高保真仿真、合成数据）、安全部署（对抗攻击评估失败案例【209】）、机载计算（知识蒸馏、网络剪枝、NPU 等专用硬件加速器）。

六、结语

这篇综述的核心价值在于从系统架构而非算法标签出发，构建了学习型运动规划与控制的统一分类框架，揭示了不同集成策略的权衡与通向具身智能的架构演化路径。其三大结论值得铭记：

DIL 与 DRL 对任务性能提升至关重要 ，端到端学习仍受稀疏奖励与训练困难制约，而策略输入的抽象表征对训练效果有积极影响；
现有模型多依赖经验调参与迭代设计，缺乏安全性与鲁棒性的形式保证，安全学习、Sim2Real、LLM 是落地关键；
挑战需从算法、任务、真实应用三个层级协同攻克。

📚 参考文献（仅收录正文已标注序号，按主题分类）

A. 综述与具身智能基础

【39】B. Zhou, P. Krähenbühl, and V. Koltun, "Does computer vision matter for action?" Science Robotics, vol. 4, no. 30, p. 6661, May 2019.
【122】H. Ju, R. Juan, R. Gomez, K. Nakamura, and G. Li, "Transferring policy of deep reinforcement learning from simulation to reality for robotics," Nature Machine Intelligence, vol. 4, no. 12, pp. 1077--1087, Dec. 2022.
【188】Z. Fu, T. Z. Zhao, and C. Finn, "Mobile ALOHA: Learning bimanual mobile manipulation with low-cost whole-body teleoperation," in Proc. CoRL, 2024, pp. 4066--4083.
【191】J. Zhang et al., "NaVid: Video-based VLM plans the next step for vision-and-language navigation," arXiv:2402.15852, 2024.
【209】F. Shi, C. Zhang, T. Miki, J. Lee, M. Hutter, and S. Coros, "Rethinking robustness assessment: Adversarial attacks on learning-based quadrupedal locomotion controllers," arXiv:2405.12424, 2024.

B. DRL 规划与控制

【3】T. Miki, J. Lee, J. Hwangbo, L. Wellhausen, V. Koltun, and M. Hutter, "Learning robust perceptive locomotion for quadrupedal robots in the wild," Science Robotics, vol. 7, no. 62, p. 2822, Jan. 2022.
【14】E. Kaufmann, L. Bauersfeld, A. Loquercio, M. Müller, V. Koltun, and D. Scaramuzza, "Champion-level drone racing using deep reinforcement learning," Nature, vol. 620, no. 7976, pp. 982--987, Aug. 2023.
【15】Y. Song, A. Romero, M. Müller, V. Koltun, and D. Scaramuzza, "Reaching the limit in autonomous racing: Optimal control versus reinforcement learning," Science Robotics, vol. 8, no. 82, p. 1462, Sep. 2023.
【31】J. Lee, J. Hwangbo, L. Wellhausen, V. Koltun, and M. Hutter, "Learning quadrupedal locomotion over challenging terrain," Science Robotics, vol. 5, no. 47, p. 5986, Oct. 2020.
【32】S. Chen, Y. Li, Y. Lou, K. Lin, and X. Wu, "Learning agile quadrotor flight in restricted environments with safety guarantees," IEEE Trans. Intell. Vehicles, vol. 9, no. 9, pp. 5642--5649, Sep. 2024.
【33】E. Bohn, E. M. Coates, S. Moe, and T. A. Johansen, "Deep reinforcement learning attitude control of fixed-wing UAVs using proximal policy optimization," in Proc. ICUAS, Jun. 2019, pp. 523--533.
【34】A. Singla, S. Padakandla, and S. Bhatnagar, "Memory-based deep reinforcement learning for obstacle avoidance in UAV with limited environment knowledge," IEEE Trans. Intell. Transp. Syst., vol. 22, no. 1, pp. 107--118, Jan. 2021.
【46】C. Greatwood and A. G. Richards, "Reinforcement learning and model predictive control for robust embedded quadrotor guidance and control," Autonomous Robots, vol. 43, no. 7, pp. 1681--1693, Oct. 2019.
【47】M. Lodel, B. Brito, A. Serra-Gomez, L. Ferranti, R. Babuška, and J. Alonso-Mora, "Where to look next: Learning viewpoint recommendations for informative trajectory planning," in Proc. ICRA, May 2022, pp. 4466--4472.
【48】B. Brito, M. Everett, J. P. How, and J. Alonso-Mora, "Where to go next: Learning a subgoal recommendation policy for navigation in dynamic environments," IEEE Robot. Autom. Lett., vol. 6, no. 3, pp. 4616--4623, Jul. 2021.
【62】---（手抛状态姿态恢复 DRL 控制，原文第 62 条）.
【63】Han et al., 可解释级联飞行控制器（原文第 63 条）.
【64】---（DRL 与传统控制器结合提升收敛性，原文第 64 条）.
【66】Smith et al., 经验迁移加速四足敏捷运动（原文第 66 条）.
【92】V. G. Goecks, G. M. Gremillion, V. J. Lawhern, J. Valasek, and N. R. Waytowich, "Efficiently combining human demonstrations and interventions for safe training of autonomous systems in real-time," in Proc. AAAI, vol. 33, 2019, pp. 2462--2470.
【94】Y. Song, H. Lin, E. Kaufmann, P. Dürr, and D. Scaramuzza, "Autonomous overtaking in Gran Turismo sport using curriculum reinforcement learning," in Proc. ICRA, May 2021, pp. 9403--9409.
【106】---（多机器人目标搜索，原文第 106 条）.
【108】---（密集环境无碰撞集群，原文第 108 条）.
【109】---（密集环境无碰撞集群，原文第 109 条）.
【131】H. Wang, H. Luo, W. Zhang, and H. Chen, "CTS: Concurrent teacher-student reinforcement learning for legged locomotion," arXiv:2405.10830, 2024.
【132】S. Ross, G. Gordon, and D. Bagnell, "A reduction of imitation learning and structured prediction to no-regret online learning," in Proc. AISTATS, 2011, pp. 627--635.

C. DIL 与模仿学习

【27】A. Loquercio, E. Kaufmann, R. Ranftl, M. Müller, V. Koltun, and D. Scaramuzza, "Learning high-speed flight in the wild," Science Robotics, vol. 6, no. 59, p. 5810, Oct. 2021.
【30】J. Hwangbo et al., "Learning agile and dynamic motor skills for legged robots," Science Robotics, vol. 4, no. 26, p. 5872, Jan. 2019.
【53】Lin et al., RL 微调 DIL 策略（原文第 53 条）.
【58】E. Kaufmann et al., 非线性 MPC 跟踪 + 特权学习四旋翼特技（原文第 58 条）.
【61】Jiang et al., 人在回路在线纠正 Sim2Real（原文第 61 条）.

D. MBRL 与世界模型

【119】A. Romero, A. Shenai, I. Geles, E. Aljalbout, and D. Scaramuzza, "Dream to fly: Model-based reinforcement learning for vision-based drone flight," arXiv:2501.14377, 2025.
【136】M. Deisenroth and C. E. Rasmussen, "PILCO: A model-based and data-efficient approach to policy search," in Proc. ICML, 2011, pp. 465--472.
【141】D. Hafner et al., "Learning latent dynamics for planning from pixels," in Proc. ICML, May 2019, pp. 2555--2565.
【142】D. Hafner, T. Lillicrap, J. Ba, and M. Norouzi, "Dream to control: Learning behaviors by latent imagination," arXiv:1912.01603, 2019.

E. ML-MPC 与学习动力学

【7】J. Kabzan, L. Hewing, A. Liniger, and M. N. Zeilinger, "Learning-based model predictive control for autonomous racing," IEEE Robot. Autom. Lett., vol. 4, no. 4, pp. 3363--3370, Oct. 2019.
【76】J. Svacha, K. Mohta, and V. Kumar, "Improving quadrotor trajectory tracking by compensating for aerodynamic effects," in Proc. ICUAS, Aug. 2017, pp. 860--866.
【77】S. Sun, C. C. de Visser, and Q. Chu, "Quadrotor gray-box model identification from high-speed flight data," J. Aircraft, vol. 56, no. 2, pp. 645--661, Mar. 2019.
【78】G. Cao, E. M.-K. Lai, and F. Alam, "Gaussian process model predictive control of an unmanned quadrotor," J. Intell. Robotic Syst., vol. 88, no. 1, pp. 147--162, Oct. 2017.
【79】G. Torrente, E. Kaufmann, P. Fohn, and D. Scaramuzza, "Data-driven MPC for quadrotors," IEEE Robot. Autom. Lett., vol. 6, no. 2, pp. 3769--3776, Apr. 2021.
【81】K. Y. Chee, T. Z. Jiahao, and M. A. Hsieh, "KNODE-MPC: A knowledge-based data-driven predictive control framework for aerial robots," IEEE Robot. Autom. Lett., vol. 7, no. 2, pp. 2819--2826, Apr. 2022.
【82】C. Folkestad, S. X. Wei, and J. W. Burdick, "KoopNet: Joint learning of Koopman bilinear models and function dictionaries with application to quadrotor trajectory tracking," in Proc. ICRA, May 2022, pp. 1344--1350.
【83】N. A. Spielberg, M. Brown, and J. C. Gerdes, "Neural network model predictive motion control applied to automated driving with unknown friction," IEEE Trans. Control Syst. Technol., vol. 30, no. 5, pp. 1934--1945, Sep. 2022.
【84】A. Saviolo, G. Li, and G. Loianno, "Physics-inspired temporal learning of quadrotor dynamics for accurate model predictive trajectory tracking," IEEE Robot. Autom. Lett., vol. 7, no. 4, pp. 10256--10263, Oct. 2022.
【87】A. Loquercio, A. Saviolo, and D. Scaramuzza, "AutoTune: Controller tuning for high-speed flight," IEEE Robot. Autom. Lett., vol. 7, no. 2, pp. 4432--4439, Apr. 2022.
【88】D. Kostadinov and D. Scaramuzza, "Online weight-adaptive nonlinear model predictive control," in Proc. IROS, Oct. 2020, pp. 1180--1185.
【153】L. Bauersfeld, E. Kaufmann, P. Foehn, S. Sun, and D. Scaramuzza, "NeuroBEM: Hybrid aerodynamic quadrotor model," in Proc. RSS, Jul. 2021, pp. 1--11.

F. 安全学习控制

【105】He et al., 四足高速激进/恢复/RA 值网络（原文第 105 条）.
【160】---（安全控制理论基准 / CBF-QP 实时求解，原文第 160 条）.
【162】K. Srinivasan, B. Eysenbach, S. Ha, J. Tan, and C. Finn, "Learning to be safe: Deep RL with a safety critic," arXiv:2010.14603, 2020.
【163】B. Thananjeyan et al., "Recovery RL: Safe reinforcement learning with learned recovery zones," IEEE Robot. Autom. Lett., vol. 6, no. 3, pp. 4915--4922, Jul. 2021.
【165】R. Cheng, G. Orosz, R. M. Murray, and J. W. Burdick, CBF 相关（原文第 165 条）.
【167】W. Xiao et al., "BarrierNet: Differentiable control barrier functions for learning of safe robot control," IEEE Trans. Robot., vol. 39, no. 3, pp. 2289--2307, Jun. 2023.
【168】J. Li, Q. Liu, W. Jin, J. Qin, and S. Hirche, "Robust safe learning and control in an unknown environment: An uncertainty-separated control barrier function approach," IEEE Robot. Autom. Lett., vol. 8, no. 10, pp. 6539--6546, Oct. 2023.
【169】A. Singletary, A. Swann, Y. Chen, and A. D. Ames, "Onboard safety guarantees for racing drones: High-speed geofencing with control barrier functions," IEEE Robot. Autom. Lett., vol. 7, no. 2, pp. 2897--2904, Apr. 2022.

G. Sim2Real 与仿真器

【69】Molchanov et al., 动力学域随机化（原文第 69 条）.
【71】Gronauer et al., 贝叶斯优化辨识四旋翼参数（原文第 71 条）.
【104】Xiao et al., SafeDPA 框架 / 自适应特征提取器（原文第 104 条）.
【172】Y. T. Liu, N. Singh, and A. Ahmad, "Task and domain adaptive reinforcement learning for robot control," arXiv:2404.18713, 2024.
【173】S. Shah, D. Dey, C. Lovett, and A. Kapoor, "AirSim: High-fidelity visual and physical simulation for autonomous vehicles," in Proc. FSR, 2018, pp. 621--635.
【176】V. Makoviychuk et al., "Isaac Gym: High performance GPU-based physics simulation for robot learning," arXiv:2108.10470, 2021.
【178】T. Zhang et al., "From simulation to reality: A learning framework for fish-like robots to perform control tasks," IEEE Trans. Robot., vol. 38, no. 6, pp. 3861--3878, Dec. 2022.
【179】J. Zheng, T. Zhang, C. Wang, M. Xiong, and G. Xie, "Learning for attitude holding of a robotic fish: An end-to-end approach with sim-to-real transfer," IEEE Trans. Robot., vol. 38, no. 2, pp. 1287--1303, Apr. 2022.
【183】A. Loquercio, E. Kaufmann, R. Ranftl, A. Dosovitskiy, V. Koltun, and D. Scaramuzza, "Deep drone racing: From simulation to reality with domain randomization," IEEE Trans. Robot., vol. 36, no. 1, pp. 1--14, Feb. 2020.
【184】M. Kaspar, J. D. Muñoz Osorio, and J. Bock, "Sim2Real transfer for reinforcement learning without dynamics randomization," in Proc. IROS, Oct. 2020, pp. 4383--4388.
【185】J. Tobin, R. Fong, A. Ray, J. Schneider, W. Zaremba, and P. Abbeel, "Domain randomization for transferring deep neural networks from simulation to the real world," in Proc. IROS, Aug. 2017, pp. 23--30.
【186】Y. Du, O. Watkins, T. Darrell, P. Abbeel, and D. Pathak, "Auto-tuned sim-to-real transfer," in Proc. ICRA, May 2021, pp. 1290--1296.
【187】H. Lin, Y. Liu, S. Li, and X. Qu, "How generative adversarial networks promote the development of intelligent transportation systems: A survey," IEEE/CAA J. Autom. Sinica, vol. 10, no. 9, pp. 1781--1796, Sep. 2023.

H. LLM 与具身智能

【192】A. Brohan et al., "RT-1: Robotics transformer for real-world control at scale," arXiv:2212.06817, 2022.
【193】D. Driess et al., "PaLM-E: An embodied multimodal language model," arXiv:2303.03378, 2023.
【194】A. Brohan et al., "RT-2: Vision-language-action models transfer web knowledge to robotic control," arXiv:2307.15818, 2023.
【195】A. O'Neill et al., "Open X-embodiment: Robotic learning datasets and RT-X models," arXiv:2310.08864, 2023.
【196】Y. Jiang et al., "VIMA: General robot manipulation with multimodal prompts," arXiv:2210.03094, 2022.
【197】H. Wu et al., "Unleashing large-scale video generative pre-training for visual robot manipulation," arXiv:2312.13139, 2023.
【199】G. Zhou, Y. Hong, and Q. Wu, "NavGPT: Explicit reasoning in vision-and-language navigation with large language models," arXiv:2305.16986, 2023.
【200】J. Mao, Y. Qian, J. Ye, H. Zhao, and Y. Wang, "GPT-driver: Learning to drive with GPT," arXiv:2310.01415, 2023.
【201】J. Zhang et al., "Uni-NaVid: A video-based vision-language-action model for unifying embodied navigation tasks," arXiv:2412.06224, 2024.
【202】Y. Long, X. Li, W. Cai, and H. Dong, "Discuss before moving: Visual language navigation via multi-expert discussions," in Proc. ICRA, May 2024, pp. 17380--17387.
【205】W. Yu et al., "Language to rewards for robotic skill synthesis," arXiv:2306.08047, 2023.
【206】Y. J. Ma et al., "Eureka: Human-level reward design via coding large language models," arXiv:2310.12931, 2023.
【207】J. Gu et al., "RT-trajectory: Robotic task generalization via hindsight trajectory sketches," in Proc. ICLR, May 2023, pp. 31542--31565.
【208】J. Chen et al., "RoboScript: Code generation for free-form manipulation tasks across real and simulation," arXiv:2402.14623, 2024.

I. 可解释性与物理信息方法

【159】J. Chrosniak, J. Ning, and M. Behl, "Deep dynamics: Vehicle dynamics modeling with a physics-informed neural network for autonomous racing," IEEE Robot. Autom. Lett., vol. 9, no. 6, pp. 5292--5297, Jun. 2024.

说明：本文图3---图14、表 I---表 IV 均截自原文《A Survey on Learning Motion Planning and Control for Mobile Robots: Toward Embodied Intelligence》，仅作技术解读之用；原文 Fig. 1、Fig. 2 未被本文引用，故未收录；表 I 另保留了一份 Markdown 浓缩版便于手机阅读。