# 机器人Agent综述：四大方向一篇梳理

机器人Agent综述：四大方向一篇梳理

完整文章：https://haiguangboy.com/posts/towards-agentic-robots

## 核心方法

覆盖训练、感知、规划、控制与适应。

重点不只是预测动作，还包括根据新观测调整计划、选择可执行技能，以及失败后补观测、改计划还是更新策略。

这一部分帮助区分：需要提升的是模型能力，还是决策方式，避免遇到失败就默认重训。

## 关键结果

覆盖采集、标注与精炼。

Agent可以根据覆盖不足或失败阶段安排补采；失败轨迹也不必整条丢弃，HELP、ARS会筛选其中有效片段。

这部分串起采什么、怎样标、留下哪一段，解释数据闭环如何围绕实际弱点展开。

## 相关路线对比

- 同路线 · [1 天 1000 任务，靠的是归纳偏置](https://haiguangboy.com/posts/mt3-thousand-tasks) `learning_a_thousand_tasks_in_a_day_2026_08`：修复方式应对应失败来源 validates 失败归因:检索 22.3%、位姿估计 23.9%、分割 19.5%、被抓物体 20.2%
- 同路线 · [Gemini_Robotics_2_Safety](https://haiguangboy.com/posts/gemini_robotics_2_safety) `gemini_robotics_2_safety_2026_07`：Agentic不自动意味着更高自治等级 validates ASIMOV-Agentic 的定位:只测高层语义编排,明确不测功能安全架构
- 同路线 · [Introducing Gemini Robotics ER 2](https://haiguangboy.com/posts/google_blog_gemini_robotics_er_2_20260730) `google_blog_gemini_robotics_er_2_20260730_2026_07`：Agentic不自动意味着更高自治等级 validates 架构表述:VLA 模型和导航 API 被并列声明为 agent 的 tool
- 同路线 · [PAVE:失败数据也能喂饱策略](https://haiguangboy.com/posts/pave_predictive_alignment_and_value_guided_evolution_for_world_action_policies) `pave_predictive_alignment_and_value_guided_evolution_for_world_action_policies_2026_09`：PAVE:失败数据也能喂饱策略
- 同路线 · [PointWorld:点流统一状态动作](https://haiguangboy.com/posts/pointworld_scaling_3d_world_models_for_in_the_wild_robotic_manipulation) `pointworld_scaling_3d_world_models_for_in_the_wild_robotic_manipulation_2026_08`：PointWorld:点流统一状态动作
- 同路线 · [RL 不该从零学，该做后训练](https://haiguangboy.com/posts/rl-100) `rl_100_performant_robotic_manipulation_with_real_world_reinforcement_learning_2026_08`：技能演化包含晋升、验证和弃用机制 validates 离线阶段用近似模型 Q 函数当门控,只有预测确有改进才推进行为策略,否则拒绝该次更新

## 边界

⚠️ 研究地图，不是最优架构的统一验证
四个功能域不是四个必须独立部署的模块，同一工作可以跨多个类别。案例来自不同研究，不能把各自结果拼成一套已验证的完整系统。

Agentic也不自动意味着更高自治等级；规划、反馈和恢复并非新发明。

## 作者判断(非论文内容,跨论文综合观点)

💡 串起热点，比孤立追论文更有价值
ChunkTrust关注何时重新获取反馈；RoboHarn-Evo关注如何核验结果、修订经验。放回这张地图，就能看到它们分别在补执行调度和经验复用的环节。

对工程师而言，这篇的收益是：先定位瓶颈属于哪一层，再沿对应方向找方法；评估组合方案时，把成功率、时间、计算和重试预算一起比较。