具身智能・机器人・无人机术语速查表

申零

376人浏览 · 2026-09-01 14:59:40

申零 · 2026-09-01 14:59:40 发布

具身智能・机器人・无人机术语速查表

目的：让读者快速回答三个问题：它是什么？在系统哪一层？最容易和什么混淆？

标记：标准 = 已广泛稳定使用；常用 = 工程/研究中高频但边界依上下文；新兴 = 2025–2026 活跃但仍在形成定义。

A. 具身智能与基础模型

术语	中文与定位	备注
Embodied AI	具身智能：智能体通过身体与环境闭环交互	`标准`，不是“LLM+机器人”的同义词
Physical AI	物理 AI：强调 AI 在真实物理系统中的感知、推理和行动	`常用`，NVIDIA 等产业界高频使用
Agent	智能体：观察环境、选择行动、获得反馈的主体	`标准`
LLM	大语言模型	高层语义、规划、工具调用；不是高频控制器
MLLM	多模态大语言模型	可处理图像/音频/视频/文本
VLM	视觉语言模型	视觉与语言对齐，典型输出是语义/文本
VLA	视觉-语言-动作模型	视觉+语言(+状态)→机器人动作
RFM	Robot Foundation Model，机器人基础模型	`常用`上位概念，VLA 可属于 RFM
GRP	Generalist Robot Policy，通用机器人策略	强调跨任务、跨场景策略
Embodied Reasoning	具身推理	空间、时间、物理、任务成功判断等高层推理
World Model	世界模型	当前状态/动作→未来状态或未来观测
WAM	World-Action Model	`新兴`；未来世界与动作联合建模
WFM	World Foundation Model	大规模预训练的通用世界模型，`新兴/宽泛`
JEPA	Joint-Embedding Predictive Architecture	在表征空间预测未来/缺失信息
V-JEPA	Video JEPA	面向视频时序表征学习
Cross-Embodiment	跨本体学习	在不同机器人形态间迁移能力
Embodiment Gap	本体差距	模型迁移到新机器人时仍需完成的适配工作，2026 新综述重点概念
Zero-shot	零样本	未针对目标任务/环境做专门训练直接测试
Few-shot	少样本	少量目标数据后适配
OOD	Out-of-Distribution	分布外：训练分布之外的数据/场景
Open-world Generalization	开放世界泛化	面向新环境、新物体、新任务组合的泛化

B. VLA 架构与动作生成

术语	中文与定位	备注
Action Token	动作 Token	把连续动作离散化后作为语言模型 token 输出
Action Tokenizer	动作分词器	将高维动作序列压缩为离散 token
Action Expert	动作专家	VLM 之外专门负责连续机器人动作的网络分支
Action Chunking	动作分块	一次预测未来 H 步动作，而非单步动作
ACT	Action Chunking Transformer	经典模仿学习动作分块模型
Diffusion Policy	扩散策略	通过去噪生成连续动作序列
Flow Matching	流匹配	学习连续向量场生成动作分布，π₀/SmolVLA 等采用
DiT	Diffusion Transformer	用 Transformer 实现扩散/流模型主干
Autoregressive Action	自回归动作生成	一个 token/动作接一个生成
Parallel Decoding	并行动作解码	同时解码多个动作以提升实时性
Continuous Action	连续动作	位置、速度、关节角等连续值
Discrete Action	离散动作	前进/左转/抓取或量化动作 token
Delta Action	增量动作	输出相对当前位置/姿态的增量
Joint-space Action	关节空间动作	直接给关节位置/速度/力矩
Cartesian Action	笛卡尔动作	末端执行器位置/姿态/增量
Proprioception	本体感觉	关节角、速度、力矩、IMU 等自身状态
Policy	策略	观测→动作映射
Policy Head	策略头	基座网络之上的动作输出模块
Post-training	后训练	通用预训练后针对目标技能/机器人再训练
LoRA / PEFT	参数高效微调	用较少参数适配新任务/本体
Async Inference	异步推理	执行动作与生成下一动作并行
On-device VLA	端侧 VLA	在机器人本地计算平台运行，降低延迟与断网风险

C. 视觉与多模态感知

术语	中文与定位	备注
Object Detection	目标检测	输出类别和 2D 框
Semantic Segmentation	语义分割	每个像素分类，不区分同类实例
Instance Segmentation	实例分割	每个物体实例独立 mask
Panoptic Segmentation	全景分割	语义+实例统一
Open-Vocabulary Detection	开放词汇检测	不限固定训练类别，可用文本查询
VQA	视觉问答	图像+问题→答案
EQA	具身问答	需要移动探索后回答问题
Depth Estimation	深度估计	预测每个像素距离
Monocular Depth	单目深度	单 RGB 推断相对/绝对深度
Stereo Depth	双目深度	通过视差计算深度
Optical Flow	光流	图像像素的时序运动场
MOT	Multi-Object Tracking	多目标跟踪
ReID	Re-Identification	跨视角/跨时间重新识别同一目标
6D Pose	6D 位姿	3D 位置 + 3D 姿态
Keypoint	关键点	目标上的稳定几何/语义点
Affordance	可供性	物体哪里可以抓、推、坐、开等
CLIP	图文对比预训练	开放词汇视觉语义基础
SigLIP	Sigmoid 图文对齐模型	多个 VLM/VLA 的视觉基础编码器
DINOv2	自监督视觉表征	强通用视觉特征
SAM / SAM2	Segment Anything	通用图像/视频分割
Audio-Visual	音视频融合	声源定位、事件检测等
Tactile	触觉	接触、滑移、局部形变
F/T Sensor	六维力/力矩传感器	常装在机械臂腕部
Event Camera	事件相机	输出亮度变化事件，适合高速和高动态光照

D. 3D 感知与场景表示

术语	中文与定位	备注
Point Cloud	点云	一组带坐标/属性的 3D 点
Voxel	体素	3D 空间中的像素
Occupancy	占据表示	空间是否被物体占据
3D Occupancy	三维占据预测	体素级 free/occupied/semantic
BEV	鸟瞰图	把多视图信息统一到俯视坐标
TSDF	截断符号距离场	常用于表面融合和重建
ESDF	欧氏符号距离场	每点到最近障碍物距离，路径规划常用
SfM	Structure from Motion	多图恢复相机位姿和稀疏结构
MVS	Multi-View Stereo	多视图稠密重建
NeRF	神经辐射场	隐式神经场景表示
3DGS	3D Gaussian Splatting	高斯椭球表示，实时渲染强
Scene Graph	场景图	对象节点+空间/语义关系
Semantic Map	语义地图	几何地图上叠加对象/类别/属性
Spatial Memory	空间记忆	保存地点、物体和历史观察
Digital Twin	数字孪生	真实系统/环境的数字化镜像

E. 定位、里程计与 SLAM

术语	中文与定位	备注
Odometry	里程计	估计相邻时刻运动，误差会累积
VO	Visual Odometry	仅视觉估计运动
VIO	Visual-Inertial Odometry	相机+IMU
LIO	LiDAR-Inertial Odometry	LiDAR+IMU
SLAM	同步定位与建图	轨迹估计+地图+通常含全局优化
Visual SLAM	视觉 SLAM	相机为主
LiDAR SLAM	激光 SLAM	点云为主
Loop Closure	回环检测	识别已到访地点，消除累计漂移
Pose Graph	位姿图	节点为位姿，边为相对约束
Factor Graph	因子图	多传感器状态估计常用数学框架
BA	Bundle Adjustment	同时优化相机位姿和 3D 点
EKF	扩展卡尔曼滤波	非线性状态估计经典方法
UKF	无迹卡尔曼滤波	另一类非线性滤波
GNSS	全球卫星导航系统	GPS 是其中一个系统
RTK	实时动态差分定位	高精度 GNSS
IMU	惯性测量单元	加速度计+陀螺仪
Visual-Inertial Fusion	视觉惯性融合	无人机/AR/机器人高频定位基础

F. 导航与探索

术语	中文与定位	备注
PointNav	点目标导航	已知目标相对/绝对坐标
ObjectNav	目标物体导航	目标是“冰箱/椅子”，未知坐标
VLN	Vision-Language Navigation	视觉+语言指令→导航动作
Aerial VLN	空中视觉语言导航	面向 UAV 的 3D/6DoF 导航
Dialog Navigation	对话式导航	多轮语言修正目标/路线
Frontier Exploration	前沿探索	选择已知/未知边界探索
Active Perception	主动感知	移动传感器以获得更有价值观测
Next-Best-View	下一最佳视角	为重建/识别选择下一观测位姿
Global Planner	全局规划器	在大范围地图给出整体路线
Local Planner	局部规划器	根据近场障碍实时避障
Costmap	代价地图	把障碍/风险编码成空间代价
Behavior Tree	行为树	任务逻辑、恢复与条件执行常用

G. 运动规划与优化

术语	中文与定位	备注
A*	启发式图搜索	离散地图经典最短路
D* Lite	增量图搜索	地图更新后的快速重规划
RRT	快速扩展随机树	高维连续空间
RRT*	渐进最优 RRT	随采样增加趋近更优路径
PRM	概率路线图	静态环境多查询
Trajectory	轨迹	带时间参数的路径和状态
Trajectory Optimization	轨迹优化	在约束下直接优化整段轨迹
CHOMP	梯度式轨迹优化	机械臂规划经典方法
TrajOpt	顺序凸优化轨迹规划	碰撞约束常用
iLQR	迭代线性二次调节	轨迹优化/控制
DDP	Differential Dynamic Programming	非线性最优控制
Kinodynamic Planning	动力学约束规划	同时考虑几何和动力学
Collision Checking	碰撞检测	规划不可缺少
Signed Distance	符号距离	距障碍表面距离，可用于优化

H. 机器人控制

术语	中文与定位	备注
PID	比例-积分-微分控制	工业经典反馈
LQR	线性二次调节器	线性最优状态反馈
MPC	模型预测控制	滚动时域在线优化
NMPC	非线性 MPC	无人机和复杂动力学常用
Geometric Control	几何控制	直接在 SO(3)/SE(3) 上设计控制器，无人机常见
Impedance Control	阻抗控制	让机器人呈现目标力-位移关系
Admittance Control	导纳控制	根据测量外力生成运动响应
Force Control	力控制	直接控制接触力
Torque Control	力矩控制	直接给关节力矩
Whole-Body Control	全身控制	人形/移动操作器多关节统一控制
WBC	Whole-Body Controller	全身控制器缩写
Loco-Manipulation	移动-操作一体化	同时走路与操作
CBF	Control Barrier Function	安全集约束控制
Safety Filter	安全过滤器	对学习策略动作做约束/修正

I. 机械臂与操作

术语	中文与定位	备注
FK	正运动学	关节角→末端位姿
IK	逆运动学	末端目标→关节角
Jacobian	雅可比矩阵	关节速度↔末端速度
End-Effector	末端执行器	夹爪、吸盘、灵巧手、工具
Gripper	夹爪	常见二指夹具
Dexterous Hand	灵巧手	多指、多自由度
Grasp Pose	抓取位姿	抓取时末端 6D 位姿
Grasp Quality	抓取质量	稳定性、抗扰性等
Force Closure	力封闭	经典抓取稳定性条件
Contact-Rich	富接触任务	插拔、装配、折叠、擦拭等
Bimanual	双臂操作	两只手/臂协同
Retargeting	动作重定向	人/其他机器人动作映射到目标机器人
Teleoperation	遥操作	人控制机器人采集示范
Kinesthetic Teaching	拖动示教	人直接拖动机械臂记录轨迹

J. 模仿学习与强化学习

术语	中文与定位	备注
IL	模仿学习	从专家演示学习
BC	行为克隆	监督学习观测→动作
DAgger	Dataset Aggregation	在线收集策略状态并让专家纠正
RL	强化学习	通过奖励和试错优化策略
Model-Free RL	无模型 RL	不显式学习动力学模型
Model-Based RL	基于模型 RL	利用真实/学习世界模型做规划或训练
Offline RL	离线强化学习	仅用固定数据集
Online RL	在线强化学习	部署中继续与环境交互
PPO	Proximal Policy Optimization	常用 on-policy RL
SAC	Soft Actor-Critic	常用 off-policy 连续控制 RL
DQN	Deep Q-Network	经典离散动作 RL
IRL	逆强化学习	从演示推断奖励
Reward Model	奖励模型	学习判断行为质量/任务是否成功
RLHF	人类反馈强化学习	更常见于大模型，也可扩展到机器人偏好
DPO	直接偏好优化	偏好对齐方法，机器人中需明确应用设定
MDP	马尔可夫决策过程	RL 基础数学框架
POMDP	部分可观测 MDP	更符合真实机器人不完全观测
Covariate Shift	协变量偏移	BC 部署失败的核心原因之一
Catastrophic Forgetting	灾难性遗忘	持续学习新技能后忘掉旧技能
Continual Learning	持续学习	持续吸收新知识/技能
Lifelong Learning	终身学习	长周期持续学习与保持能力

K. 数据与评测

术语	中文与定位	备注
Episode	一个完整交互回合	从开始到成功/失败/终止
Demonstration	专家示范	imitation learning 数据基本单位
Trajectory	轨迹	状态/观测/动作序列
Dataset Mixture	数据混合	多来源、多机器人训练混合
Data Engine	数据引擎	采集→清洗→标注→训练→部署→失败回流闭环
RLDS	Reinforcement Learning Datasets 格式	Open X-Embodiment 使用
LeRobotDataset	LeRobot 标准数据格式	同步视频+状态+动作
Open X-Embodiment	多机器人开放数据集合与统一格式	跨本体预训练的重要基础
DROID	大规模 in-the-wild 操作数据	真实多场景
BridgeData V2	多任务操作数据	多环境、多语言指令
AgiBot World	大规模真实机器人数据平台	双臂/全身/多模态方向活跃
LIBERO	机器人 lifelong / multi-task 操作 benchmark	VLA 常用
RoboCasa	家居/厨房模拟与 benchmark	2026 RoboCasa365 扩展明显
Success Rate	成功率	必须结合测试次数和难度看
SPL	Success weighted by Path Length	导航成功+路径效率
Collision Rate	碰撞率	无人机/导航关键
Intervention Rate	人工干预率	真实部署价值很高
Recovery Rate	恢复率	扰动/失败后恢复能力
Seen / Unseen	已见/未见	必须看作者怎么定义“未见”

L. 仿真与 Sim2Real

术语	中文与定位	备注
Simulation	仿真	物理与传感器虚拟环境
Sim2Real	仿真到现实迁移	从仿真策略迁移真机
Real2Sim	现实到仿真	从真实场景构建仿真资产/数字孪生
Domain Randomization	域随机化	随机纹理、光照、动力学参数
System Identification	系统辨识	用真机数据估计动力学参数
Residual Learning	残差学习	学经典模型未建模部分
Synthetic Data	合成数据	仿真/生成模型产生的训练数据
HIL	Hardware-in-the-Loop	部分真实硬件接入仿真闭环
SIL	Software-in-the-Loop	纯软件闭环测试
Isaac Sim	NVIDIA GPU 机器人仿真	高保真、合成数据、USD
Isaac Lab	GPU 并行机器人学习框架	RL/IL/humanoid
MuJoCo	高性能动力学仿真	控制、RL、操作
Gazebo	ROS 生态仿真	移动机器人、无人机等
Habitat	具身导航仿真	VLN/EQA/室内任务
ManiSkill	操作学习平台	机器人操作 benchmark
RLBench	机械臂多任务 benchmark	IL/操作
AirSim	无人机/车辆视觉仿真	Aerial navigation/perception
RoboCasa	家庭操作仿真平台	generalist robot learning

M. ROS 2 与机器人软件工程

术语	中文与定位	备注
ROS 2	机器人中间件与工具生态	不是控制算法
Node	节点	独立功能进程/组件
Topic	话题	发布-订阅消息通道
Service	服务	同步请求-响应
Action	动作接口	适合长耗时、有反馈、可取消任务
DDS	Data Distribution Service	ROS 2 通信底层
TF2	坐标变换系统	机器人多坐标系核心
rosbag2	数据录制与回放	采集传感器/调试
URDF	机器人描述格式	连杆、关节、惯量等
SDF	仿真描述格式	Gazebo 等常用
USD / OpenUSD	通用 3D 场景描述	Isaac / Omniverse 生态
MoveIt 2	ROS 2 机械臂规划平台	IK、碰撞、规划、执行
Nav2	ROS 2 导航框架	costmap、planner、controller、BT

N. 无人机与 PX4

术语	中文与定位	备注
UAV / UAS	无人机 / 无人航空系统	UAS 更强调完整系统
MAV	Micro Aerial Vehicle	微型飞行器
Quadrotor	四旋翼	四个旋翼的多旋翼飞行器
6-DoF	六自由度	x/y/z 平移 + roll/pitch/yaw
PX4	开源飞控栈	姿态、位置、任务、failsafe 等
ArduPilot	另一主流开源飞控	多种飞行器支持
MAVLink	飞行器通信协议	PX4/ArduPilot/QGC 常用
MAVSDK	MAVLink 高层 SDK	应用开发
MAVROS	ROS 与 MAVLink 桥接	ROS 1/2 场景常见
uORB	PX4 内部消息总线	飞控模块间通信
XRCE-DDS	PX4 ↔ ROS 2 通信路径之一	与 ROS 2/DDS 生态衔接
Offboard Mode	外部控制模式	companion computer 给 setpoint
Setpoint	设定值	位置/速度/姿态/角速度/推力等
ENU	East-North-Up	ROS 常见世界坐标约定
NED	North-East-Down	航空/PX4 常见坐标约定
FRD	Front-Right-Down	飞机机体系常见
RTL	Return-to-Launch	返航 failsafe/飞行模式
Geofence	地理围栏	限制飞行区域
VIO for UAV	无人机视觉惯性里程计	GNSS-denied 环境核心
Aerial VLN	空中视觉语言导航	UAV + language grounding
UAV VLA	面向 UAV 的 VLA	必须说明输出 action space
Active Aerial Perception	空中主动感知	自主选择视点收集信息
Swarm	集群	多无人机协作
Formation Control	编队控制	保持队形
MARL	多智能体强化学习	多机协同学习
Task Allocation	任务分配	多机决定谁做什么
Cooperative Perception	协同感知	多机共享感知信息

O. 人形机器人

术语	中文与定位	备注
Humanoid	人形机器人	具有人形躯干/四肢结构
Bipedal Locomotion	双足运动	走路、跑步、平衡
Gait	步态	行走周期模式
ZMP	Zero Moment Point	经典双足稳定性指标
CoM	Center of Mass	质心
Support Polygon	支撑多边形	静态/准静态平衡常用
Whole-Body Policy	全身策略	同时输出腿、躯干、臂等动作
Loco-Manipulation	移动操作	走路与操作协同
Motion Retargeting	动作重定向	人体/其他机器人动作映射到 humanoid
Teleop Suit	全身遥操作设备	数据采集手段之一

P. 部署、系统与性能

术语	中文与定位	备注
Latency	延迟	从观测到动作可用的时间
Throughput	吞吐量	单位时间处理多少请求/帧
Control Frequency	控制频率	控制闭环更新速率
Policy Frequency	策略频率	学习模型动作更新速率
Edge Computing	边缘计算	在机器人本地/近端运行计算
Companion Computer	伴随计算机	UAV 上运行 ROS/VLM/规划等
Jetson	NVIDIA 边缘计算平台	机器人常用
ONNX	模型交换格式	跨框架部署
TensorRT	NVIDIA 推理优化	GPU 低延迟部署
Quantization	量化	FP16/INT8/INT4 等压缩加速
KV Cache	Transformer 缓存	加速自回归推理
Watchdog	看门狗	检测程序/通信失效并恢复/触发安全行为
Failsafe	故障保护	无人机/机器人异常时进入安全状态
E-stop	急停	真实机器人必须重视的硬件安全接口