它是什么，解决什么问题
本主题覆盖驱动、实时控制、感知、技能、任务、应用、云。它属于“软件架构与工程系统”，用于理解这一组能力、方法或产业对象的边界。
范围与比较维度
- 驱动
- 实时控制
- 感知
- 技能
- 任务
- 应用
- 云
需要持续回答
- 解释算法如何进入稳定运行的整机和机群，包括时序、接口、资源、故障、升级和可观测性。
当前知识边界
本页为范围入口，代表路线与证据尚待补充。
历史观察
按发布时点排列，反映本站已收录范围，不代表完整研究时间线。
- RAIBO-Wagon：四足机器人拖挂拖车的实时导航系统
对做本体软件和导航栈的工程师，用处在于它把“拖挂让组合体动力学变复杂、可行指令集很窄”这一工程难题，落成一套可在机载算力上跑的分层方案：用生成模型给采样式 MPC 提供可行的初始指令，再用学到的动力学模型做在线评估与迭代精炼。文中还给出可直接对照的部署量级（全机载算力、每周期 0.3 s、256 条候选），以及一个反面教训——为免拖车变成点云里的障碍物而做的感知屏蔽，会在急转弯处连真实障碍一起删掉；在该组试验里，由屏蔽造成的直接碰撞比局部规划误差更严重。
- METATRON：面向人形机器人的可提示全身执行层
对机器人本体软件程序员，这是把"加新任务"从训练问题变成写提示与状态机代码的问题：同一份冻结权重靠改代码复用已学到的运动能力，技能规则还能交给编码智能体去分析动作数据、拟合与迭代。论文的分工也很清楚：执行层负责把粗略目标变成平衡与关节动作，"选目标、长时间规划"仍留在上层任务系统。
- KITE：分开学习交互意图与硬件动作，迁移操作任务
对本体软件开发者，价值在于明确任务策略与硬件动作实现的分工：已有交互策略可以保持不变，新增硬件的适配集中在运动学解码器组，而非重新采集目标任务示范；这仍需要目标运动学模型及相应训练。
- Isaac Lab 3.0 正式版
对机器人软件开发者，价值主要在于按任务选择运行组件，并在受支持的后端间复用任务逻辑；这是工程接口与工作流调整，不是通用机器人能力的验证。
- Humanoid SRL：通过额外肢体增强人形机器人的协同行走与操作
对本体软件开发者，这项研究提供了额外机械臂与全身平衡统一控制、上层视觉规划与底层执行分离的设计参考，而非把第三臂当作独立机械手。
- StopWatch：面向物体目标导航的目标锚定
为导航软件提供可检查的感知—策略接口：先定位“没认出目标”还是“决策没停下”，并可在不重训策略的情况下改进感知。
- 面向长时域越野导航的可通行性学习
这项作者研究展示了用驾驶轨迹与地形先验学习全局导航地图的路线，将远域地理信息与近域实时避障分工衔接；其评测反映与人类驾驶实践的一致性，而非路径最优性的证明。
- RMBench：依赖记忆的机器人操作基准及其对策略设计的启示
这项作者研究的设计启示是：应检查记忆信息在策略层级间是否重复，并优先改善当前系统的子任务结束检测，而非一味增加记忆通路。
展开其余 9 条历史观察
- 具身图灵机：用于机器人递归自我改进的有状态代码
这项作者研究将策略改进落实为显式状态、可检查代码与离线验证的迭代，为机器人递归自我改进提供了一条软件化研究路线。
- GEM-Occ：从视觉几何证据到具身语义占据记忆
该研究将“支持、矛盾与遮挡”区分处理，为兼顾持续占据记忆质量与存储、查询成本提供了作者实验依据。
- 学习用于稳健动态机器人行走的低频运动控制
该研究为学习式运动控制提供一种设计参照：在底层稳定跟踪的条件下，可以考察降低策略更新频率，而非默认追求高频。
- 连接前沿推理与机器人执行：从自主示范生成到密集语言监督
作者实验支持将示范生成与语言接口训练作为互补环节：不仅要让本地策略执行得快，还要让它理解前沿模型的指令。
- 超越当前场景：基于主动视角选择的事件指代抓取
这项作者真机研究将事件记忆用于目标识别和空间搜索；消融结果尤其支持历史空间先验对搜索效率的作用，而非证明其必然提升抓取成功率。
- Guava：通过机器人操作工具框架将前沿视觉语言模型蒸馏为紧凑智能体
作者实验提示，共享工具接口与仿真交互经验可为紧凑操作智能体的本地部署提供路径；能力来自模型与工具系统的组合。
- STeP：以信号时序逻辑为视觉语言模型动作生成提供精确规范
该研究为“语言推理—执行—监测—重规划”提供了共享的显式规范接口，支持在所测操作任务中将任务完成与约束满足分开评估。
- GINIO：面向神经惯性里程计的几何 SO(3) 等变接口
为学习式惯性测量与滤波融合提供可用于不同骨干和估计器的几何设计原则；重点是旋转鲁棒性与有竞争力的标称精度，而非所有标称条件下均领先。
- Retriever：组合面向长时程操作的感知—推理—行动闭环
通过显式规定模块运行时钟和输入快照，并记录重放所需事件信息，为异步机器人闭环的调试与离线重执行提供系统化路径。