术语表

📖 集中解释具身智能文档中容易混淆的术语和缩写。

预计阅读：10 min
前置知识：无
下一步：知识图谱 · 机器人学基础

本文路线：具身数据与 Agent → RL 范式 → WM/MBRL/WAM → VLA → 模型结构

详细流程见 具身数据专题 和 Robot Agent 专题。

缩写/术语	英文	简明解释
Embodied AI	Embodied Artificial Intelligence	在环境中通过感知与动作闭环完成任务的智能系统。
Embodied Data	Embodied Interaction Data	带任务语境的观测、机器人状态、动作、标定、结果和来源记录；视频本身不等于完整具身数据。
Human Observation / Play Data	Human Video or Play Data	人类自由操作或完成任务的视频，可学习目标、进度和交互结构；若没有机器人动作，不能直接监督机器人控制。
Human Motion Data	Human Kinematic Data	由动捕、数据手套、手腕/手指估计或 UMI 等接口记录的人体/工具运动，需要 retarget 后才能成为目标机器人动作。
Robot Demonstration	Robot Demonstration Data	通过手把手、手柄、VR、视觉手部遥操、主从臂或远程众包产生的机器人观测和动作轨迹。
Intervention / Correction	Intervention or Corrective Data	策略执行中由人接管或修正产生的数据，需记录触发原因、控制权切换、修正动作和恢复结果。
Synthetic / Transformed Data	Synthetic or Derived Embodied Data	由仿真、渲染、retarget、重标注或增强生成的数据；应保留源样本、生成方法和置信度。
Data Contract	Embodied Data Contract	在采集前固定任务定义、传感器、坐标系、动作语义、频率、时间戳、成功条件和数据 schema 的约定。
Annotation Schema	Annotation Schema	规定任务、对象、技能阶段、结果、失败、接管和动作等标签的名称、取值、层级、来源与版本。
Label Provenance	Label Provenance	记录标签来自传感器、规则、模型、操作者还是人工复核，并保存置信度、证据和生成版本。
Weak / Pseudo Label	Weak or Pseudo Label	由模型、规则或 retarget 产生的非直接真值标签；训练时应按置信度降权、屏蔽或复核。
Episode / Segment / Step	Trajectory Data Hierarchy	episode 是一次完整尝试，segment 是技能或事件阶段，step 是一个时间对齐的观测—状态—动作单元。
Egocentric Video	First-person Video	由操作者头戴或手持相机记录的第一视角视频；若没有机器人动作，需要 latent action、retarget 或其他对齐后才能监督控制。
Retargeting	Motion Retargeting	将人手、手柄、主臂或其他本体的运动映射到目标机器人自由度、末端轨迹和夹爪语义。
Action Mask	Cross-embodiment Action Mask	标记统一动作向量中当前本体实际存在并参与损失的维度，避免对缺失自由度施加监督。
Robot Agent	Robot/Physical Agent	在感知和控制模型之上分解任务、选择工具、验证执行结果、使用记忆并进行失败恢复的运行时系统。
Tool / Skill Registry	Typed Robot Tool Registry	向 planner 暴露 VLA、WAM、解析运动和夹爪技能的类型化接口，包含前置/后置条件、超时和错误码。
Task / Global Memory	Task-specific / Global Agent Memory	分别保存任务相关成功轨迹，以及可跨任务迁移的规则和失败模型；写入、检索和过期策略需要显式定义。
Recovery	Failure Recovery	在执行失败或状态偏离后诊断原因、重置局部状态、重新 grounding 并选择替代技能的闭环过程。
MDP	Markov Decision Process	用状态、动作、转移、奖励和折扣描述序贯决策。
POMDP	Partially Observable MDP	智能体只能看到不完整观测，需要用历史或记忆推断状态。
Configuration \(q\)	Joint Configuration	机器人所有关节位置/角度组成的配置向量。
DOF	Degrees of Freedom	可以独立改变的运动自由度数量。
Coordinate Frame	Coordinate Reference Frame	表示位置、姿态和速度的参考坐标系；必须明确 frame tree。
SO(3)	Special Orthogonal Group in 3D	三维合法旋转的集合；\(R^\mathsf{T}R=I\) 且 \(\det(R)=1\)，只有 3 个旋转自由度。
SE(3)	Special Euclidean Group in 3D	三维刚体位姿的集合；元素是包含 \(R\in SO(3)\) 和 \(p\in\mathbb{R}^3\) 的 \(4\times4\) 齐次变换，有 6 个自由度。
3D Rotation	Three-dimensional Rotation	\(SO(3)\) 中的一个旋转；可用 Euler 角、旋转向量、四元数或旋转矩阵等不同参数化表示。
Rotation Vector	Axis-angle / Rotation Vector	三维向量 \(r=\theta u\)；方向是旋转轴，长度是弧度角，通过 Rodrigues/指数映射得到 \(SO(3)\)。
Quaternion	Unit Quaternion	用 4 个数表示三维旋转；必须满足单位范数，且 \(q\) 与 \(-q\) 表示同一旋转。ROS 2 消息字段顺序通常是 x,y,z,w。
6D Rotation	6D Continuous Rotation Representation	用两个三维向量经正交化恢复 \(3\times3\) 旋转矩阵；是 6 个表示数，不是 6 个旋转自由度，也不是 \(SE(3)\) 位姿。
SE(3)-Equivariant	SE(3)-Equivariant Model	输入整体经过刚体变换后，输出按相应的旋转/平移规则一起变换；例如向量输出 \(v\) 变为 \(Rv\)。
SE(3)-Invariant	SE(3)-Invariant Model/Feature	输入整体经过刚体变换后，输出保持不变；例如物体类别、点间距离或碰撞判定。
E(3)	Euclidean Group in 3D	三维旋转、平移以及镜像反射的变换集合；相比 \(SE(3)\) 还允许 \(\det(R)=-1\) 的反射。
Irrep	Irreducible Representation	群作用下不能再拆分的基本表示；在 \(SO(3)\) 等变网络中常按阶数 \(l\) 组织标量、向量和高阶特征。
Spherical Harmonics	Spherical Harmonic Basis	定义在球面方向上的一组基函数；常用于把相对方向编码成可组合的旋转特征。
Equivariant Layer	Equivariant Neural Layer	输入和输出按群表示变换的网络层；常用相对位置、标量门控、张量积或几何 attention 保持等变。
Equivariant Diffusion	Equivariant Diffusion / Score Model	让加噪过程、噪声/score/速度预测和每一步去噪更新遵守同一群作用，使生成的动作或轨迹随坐标变换而变换。
Score	Score Function	\(s_t(x)=\nabla_x\log p_t(x)\)，扩散模型中描述带噪分布对输入的对数密度梯度；等变 score 会按向量表示变换。
FK	Forward Kinematics	根据关节配置计算末端位姿，\(x=f(q)\)。
IK	Inverse Kinematics	根据目标末端位姿求关节配置，需处理多解、限位和碰撞。
Jacobian	Geometric / Analytical Jacobian	将关节速度映射为末端速度，\(\dot{x}=J(q)\dot{q}\)。
Task Space	Task / Cartesian Space	以末端位置、姿态或力描述动作的空间，与 joint space 相对。
Proprioception	Proprioceptive Sensing	关节位置、速度、力矩等机器人自身状态观测。
Impedance Control	Impedance Control	通过虚拟刚度和阻尼调节位置误差到力/运动的关系。
Hand-eye Calibration	Hand-eye Calibration	通过多组机器人末端位姿与标定板观测，估计相机、末端和机器人基座之间的刚性外参；分为 eye-in-hand 与 eye-to-hand。
Policy	Policy	从观测/状态到动作分布的映射 \(\pi(a\mid s)\)。
Return \(G_t\)	Discounted Return	从时刻 \(t\) 开始的折扣累计奖励，是价值函数要估计的长期目标。
\(V^\pi(s)\)	State-Value Function	从状态 \(s\) 出发并遵循策略 \(\pi\) 时的期望累计回报。
\(Q^\pi(s,a)\)	Action-Value Function	在状态 \(s\) 先执行动作 \(a\)、之后遵循策略 \(\pi\) 时的期望累计回报。
\(A^\pi(s,a)\)	Advantage Function	动作相对状态基准的价值，\(A^\pi(s,a)=Q^\pi(s,a)-V^\pi(s)\)。
TD	Temporal-Difference Learning	用即时奖励和下一状态价值的 bootstrap target 更新当前价值。
Bootstrap	Bootstrapping	用已有价值估计构造新的价值监督目标，而不等待完整轨迹结束。
Replay Buffer	Experience Replay Buffer	保存历史转移并重复采样，以复用数据并降低连续轨迹相关性。
Target Network	Target Network	缓慢更新的网络副本，用于构造相对稳定的 Bellman target。
RL	Reinforcement Learning	通过最大化累计回报学习策略。
Offline RL	Offline Reinforcement Learning	只从固定数据集学习，训练时不继续与环境交互。
Online RL	Online Reinforcement Learning	训练中用当前策略继续与环境交互并收集新数据。
Offline-to-Online	Offline-to-Online RL	先用离线数据初始化，再通过在线交互继续优化。
Model-free RL	Model-free Reinforcement Learning	不显式学习并规划环境动力学，直接学习价值或策略。
Model-based RL / MBRL	Model-based Reinforcement Learning	学习/使用动力学或奖励模型做 imagined rollout、规划、价值估计或策略优化；它是决策/RL 路线，不等于所有 WM。
On-policy	On-policy RL	主要使用当前策略采样的数据更新当前策略，例如 PPO。
Off-policy	Off-policy RL	可用其他/旧策略数据更新当前策略，例如 SAC。
GRPO	Group Relative Policy Optimization	对同一输入成组采样，用组内相对奖励构造 Advantage，并以 PPO 式 clip 与 KL 正则更新策略；不训练独立 Value/Critic。
SAPO	Soft Adaptive Policy Optimization	在 group-based 后训练中以温度控制的 sigmoid 软门控替代 hard clip，并用更高负向温度更快抑制 off-policy 的负 Advantage 更新。
BC	Behavior Cloning	用监督学习直接拟合示范动作。
IL	Imitation Learning	从专家示范学习行为的总称，BC 是最常见形式。
OOD	Out-of-Distribution	超出训练数据覆盖范围的观测、动作、任务或环境。
WM	World Model	广义的环境表征、未来预测和场景生成范式，可覆盖 JEPA latent、视频、状态和 3D/4D 表示；不要求自带 planner。
JEPA	Joint Embedding Predictive Architecture	在表征空间预测目标时空块，通常避免逐像素重建，强调可预测和可迁移的 latent dynamics。
Video World Model	Video World Model	根据历史、动作或条件预测/生成未来视频或视频潜变量的世界模型。
Pixel-space WM	Pixel-space World Model	在 RGB/RGB-D 帧或视频 token 上预测未来观测；像素/感知质量不等于几何或控制质量。
Latent WM	Latent World Model	将观测编码为 \(z_t\)，再在 latent 空间预测 \(z_{t+1}\)；可接 reward、value、MPC 或策略，但不自动构成 MBRL。
LPWM	Latent Particle World Model	对象中心的 latent 世界模型；从视频自监督发现粒子、背景和对象属性，并用粒子级 latent action 建模随机动态。
3D/4D World Model	3D/4D World Model	建模几何、对象、视角与时间演化的世界表征，可使用点云、3D Gaussian 或隐式场。
GWM	Gaussian World Model	面向机器人操作的动作条件 3D Gaussian 世界模型；在 Gaussian primitives 的紧凑 latent 中预测未来，可用于 3D 视频预测、模仿学习表征或 neural simulator。
Occupancy World Model	Occupancy World Model	在体素、稀疏体素或 triplane 上预测未来空间占据和语义；常见于自动驾驶和移动机器人，不天然等于机械臂控制模型。
4D Occupancy	4D Occupancy	随时间变化的 3D occupancy 序列；通常同时建模场景演化与自车/相机位姿。
Dynamic Gaussian	Dynamic Gaussian Splatting	让 3D Gaussian 的位置、形状、外观或透明度随时间变化的表示；只有加入未来预测或动作条件后才是 WM。
3D Belief World Model	3D Belief World Model	用多个带权场景假设表示部分可观测世界，并根据新观测进行更新；重点是空间不确定性而不只是渲染逼真度。
Triplane	Triplane Representation	用三个正交二维特征平面隐式表示三维场，常用于压缩 occupancy/场景 latent；预测 triplane delta 可降低 4D WM 成本。
Action-conditioned WM	Action-conditioned World Model	将 action 作为条件并检验未来表征/视频/3D 状态是否对动作敏感。
IRIS	Transformers are Sample-Efficient World Models	离散 VAE 与自回归 Transformer 组成的世界模型；预测离散观测 token，并在模型内进行 RL rollout。
DIAMOND	DIffusion As a Model Of eNvironment Dreams	像素 diffusion 世界模型；通过反复去噪生成环境未来，可作为交互式神经模拟器。
Dynalang	Dynamic Language Agent	将描述环境规律的语言与视觉历史一起用于未来表征预测和 imagined rollout。
GNS	Graph Network-based Simulator	用粒子图和 message passing 学习物理动力学的模拟器；本身不包含视觉或机器人动作模块。
Latent Action	Latent Action	从无动作标签的视频中推断的隐变量动作；需要额外校准，不能直接当成机器人关节或末端动作。
Digital Twin WM	Digital Twin World Model	将显式场景、物理参数和模拟器组合成可反事实执行的环境副本。
Autonomous Play	Autonomous Play	机器人通过自发探索收集交互、成功、失败和接触数据，用于训练或校准世界模型。
Causal World Model	Causal World Model	在实体、属性和交互关系层面建模可干预的因果结构；目标是支持反事实预测和决策，而不只是生成相关的未来画面。
Action Following	Action Following	检查世界模型是否按给定 action 产生对应未来变化；应包含 off-expert action、轨迹对齐和动作干预测试。
World Model Memory	World Model Memory	让模型保留并检索长时程历史观测或场景地标的机制；要同时报告记忆容量、检索规则和回访准确率。
Probabilistic Dynamics	Probabilistic Dynamics	输出未来状态分布或多个假设的动力学模型；不确定性可用于规划惩罚，但本身不是安全保证。
DayDreamer	DayDreamer	将 Dreamer imagined rollout 用到真实机器人在线学习的世界模型系统；重点是少量真实交互，而不是离线视频生成。
SlotFormer	SlotFormer	在对象中心 slot 表征上学习自回归视觉动力学；slot 是模型内部对象表示，不等于真实物体 ID。
Scene Flow	Scene Flow	每个 3D 点或像素随时间的运动向量；在 FlowDreamer 中先预测运动，再生成未来 RGB-D。
World Model Policy Evaluation	World Model Policy Evaluation	用动作条件 WM 生成策略 rollout 并比较策略排名；模型内成功率必须和真实执行相关性、偏差和安全性一起报告。
Visuo-Tactile WM	Visuo-Tactile World Model	同时预测视觉和触觉未来的动作条件 WM，适合插入、抓取和接触丰富任务。
Hierarchical WM	Hierarchical World Model	将逻辑/任务级状态预测与视觉/运动级预测分层，用中间子目标连接长短时间尺度。
Robot-Factored WM	Robot-Factored World Model	将动作通过控制器、运动学和 URDF 渲染为机器人几何，再由 WM 学习环境响应，减少 embodiment-specific action realization。
BEV World Model	Bird's-Eye-View World Model	在鸟瞰图、地图或占据 latent 中预测空间和视角演化，常用于导航；不天然适合机械臂接触建模。
WAM	World Action Model	将世界未来预测与动作生成联合或紧密耦合的具身模型范式。
VLM	Vision-Language Model	联合处理视觉和语言的多模态模型。
VLA	Vision-Language-Action Model	由视觉、语言及可能的状态历史直接生成机器人动作的模型。
Transformer	Transformer	以 self-attention 和前馈网络处理 token 序列的 backbone；可接 next-token、回归、diffusion 或 flow head。
Self-Attention	Self-Attention	用 Query/Key/Value 计算序列内 token 关系的注意力机制。
Q/K/V	Query / Key / Value	attention 中用于匹配、寻址和值聚合的三组线性投影。
Causal Mask	Causal Attention Mask	限制位置只能读取当前及过去 token 的 mask，常用于自回归生成。
Hidden State	Hidden State / Representation	Transformer 中间层的上下文表征，常见形状为 [B,L,D]。
Action Token	Action Tokenization	将连续动作离散化为 token，用序列模型预测。
Action Chunk	Action Chunking	一次预测未来多个时间步动作，降低决策频率并利用局部时序结构。
Diffusion	Diffusion / Denoising Diffusion	先向数据加噪、再学习反向去噪的生成建模框架。
Noise Schedule	Noise Schedule	定义 diffusion 各时间步信噪比或噪声强度的日程。
Epsilon / x0 / v Prediction	Epsilon / x0 / v Parameterization	diffusion 网络预测噪声、干净样本或速度参数化的三类常见目标。
Denoising Step	Denoising Step	给定带噪样本、时间步和条件，执行一次 scheduler 反向更新。
Flow Matching	Flow Matching	学习连续向量场，将简单分布传输到目标动作分布。
Velocity Field	Conditional Velocity Field	flow matching 中的条件速度函数 \(v_\theta(x,t,C)\)，描述样本沿生成路径的变化方向。
Probability Path	Probability Path	从源分布到数据分布的连续概率路径；flow matching 在路径上回归速度。
ODE Sampling	Ordinary Differential Equation Sampling	从噪声初值出发，用 ODE solver 积分速度场得到样本。
DiT	Diffusion Transformer	用 Transformer block 作为 diffusion/视频生成 backbone 的架构范式。
Diffusion Policy	Diffusion-based Policy	通过条件去噪过程生成动作序列的策略。
MPC	Model Predictive Control	用模型滚动预测有限时域，优化动作后只执行前几步并重新规划。
Latent Dynamics	Latent Dynamics Model	在压缩的潜空间而非原始像素/状态空间中预测演化。
Imagined Rollout	Imagination Rollout	在学习到的动力学/奖励模型中生成虚拟轨迹，常用于 MBRL 的规划、价值或策略更新。
Model Bias	Model Bias	学习模型与真实环境不一致导致的系统性决策误差。
Sim-to-Real	Simulation-to-Reality	将仿真中训练的策略迁移到真实机器人。
Teleoperation	Teleoperation	人类远程控制机器人，用于完成任务或采集示范。
Embodiment	Embodiment	机器人的物理形态、自由度、传感器与动作能力。
Generalist Policy	Generalist Robot Policy	试图覆盖多任务、多场景乃至多本体的通用机器人策略。
Post-training	Post-training	在预训练模型基础上进行监督微调、偏好优化或 RL 等后续训练。
Rollout	Rollout	策略在环境或模型中从起点执行得到的一段轨迹。
Stage	USD Stage	Isaac Sim 当前 USD 场景树，包含机器人、物体、灯光、相机和物理设置。
Prim	USD Primitive	Stage 中的一个节点，例如机器人、关节、相机或碰撞体。
Articulation	Articulation	Isaac Sim 中由关节连接的一组刚体，通常对应一个机器人。
Physics step	Physics Step	仿真器推进一次物理积分的时间步；可与渲染和策略步不同。
Decimation	Action Decimation	一个策略动作保持的物理步数，常写为 policy_dt / physics_dt。
TF / tf2	Transform Library	ROS 2 Humble 中带时间戳的坐标变换树与查询库；用于在 frame 之间转换位姿、点和向量。
rclpy	ROS 2 Python Client Library	ROS 2 Humble 的 Python 客户端库；提供 Node、参数、定时器、通信机制和 executor 调度，常用于编写 TF/传感器/控制节点。
Topic	ROS 2 Topic	ROS 2 中持续发布消息的一对多通信通道，常用于图像、关节状态、TF 和传感器数据。
Service	ROS 2 Service	ROS 2 中一次请求对应一次响应的短操作机制，适合复位、查询和触发操作。
Action	ROS 2 Action	ROS 2 中带反馈、可取消和最终结果的长任务机制，常用于轨迹执行和导航。
QoS	Quality of Service	ROS 2 消息传输策略，包括 reliability、durability、history、depth、deadline 和 lifespan；发布者与订阅者的关键 QoS 必须兼容。
OpenCV	Open Source Computer Vision Library	计算机视觉库；ROS 2 中通常通过 cv_bridge 在 sensor_msgs/Image 与 cv::Mat/numpy.ndarray 之间转换。
cv_bridge	ROS OpenCV Bridge	ROS 2 图像消息与 OpenCV 图像之间的转换包，需与当前 ROS 2 发行版和 Python/C++ 环境匹配。
image_transport	ROS Image Transport	ROS 2 图像传输机制，统一处理 raw、compressed 等图像传输插件。
RViz 2	ROS 2 Visualization Tool	ROS 2 Humble 的三维可视化与交互工具；订阅 topic 并通过 TF 显示机器人、传感器和 MoveIt 2 规划场景，本身不负责仿真或底层控制。
Planning Frame	Planning Frame	MoveIt 2 Humble 规划所使用的参考坐标系，目标位姿必须明确表达在哪个 frame 中。
Planning Scene	Planning Scene	MoveIt 2 Humble 保存机器人状态、障碍物、附着物体和碰撞规则的场景快照。
SRDF	Semantic Robot Description Format	在 URDF 之上描述 MoveIt 2 Humble 语义信息的文件格式，例如 planning group、末端执行器和禁碰对。
ros2_control	ROS 2 Control	ROS 2 Humble 的硬件连接与控制器框架，MoveIt 2 通常通过轨迹控制器执行规划结果。
controller_manager	ros2_control Controller Manager	管理硬件连接和控制器加载、配置、激活与切换的 ros2_control 节点。
rosbag2	ROS 2 Bag	ROS 2 的消息记录与回放工具，用于复查时间同步、TF、传感器和控制器反馈；回放不等于重现真实硬件动力学。
Success Rate	Task Success Rate	多次评测中满足成功判定的比例；需同时报告任务、初始条件和 seed。

容易混淆的概念

Offline RL vs Off-policy RL

• Offline RL：训练期没有新的环境交互，数据集固定。
• Off-policy RL：更新策略时允许使用非当前策略产生的数据；它可以发生在 online 训练中。

WM、MBRL、WAM 的边界

三者的详细判别见知识图谱；本页只保留术语定义，不重复展开。

VLA vs WAM

• VLA 关注从视觉/语言到动作的策略映射。
• WAM 强调未来世界与动作之间的联合或耦合建模。
• 两者边界可能重叠；判断时应看训练目标和部署时数据流，而不只看论文自称。

Robot Agent vs VLA/WAM

• VLA/WAM 生成局部动作或动作相关未来；Robot Agent 负责任务分解、工具选择、结果验证、记忆和恢复。
• Agent 可以把 VLA/WAM 当作工具，但不能代替高频控制器、碰撞约束、watchdog 和急停。
• 判断一个系统是否具有 Agent 层，要看是否存在跨调用状态、执行反馈和重规划，而不是是否使用了 LLM。

Transformer vs Diffusion vs Flow Matching

• Transformer 通常是处理 token 和条件信息的 backbone；它本身不规定输出必须是离散 token、diffusion 还是 flow。
• Diffusion 训练去噪/重建参数化，推理沿反向噪声日程迭代；Flow Matching 训练路径上的速度场，推理用 ODE solver 积分。
• 二者都可以由 Transformer 实现条件网络，也都可以生成连续 action chunk；应比较实际 loss、路径、采样步数和闭环延迟，而不是只比较名称。