Transfer Learning for Robot Manipulation: A Survey

Transfer Learning for Robot Manipulation: A Survey（机器人操作迁移学习综述）是由迁移学习和机器人操作领域研究者系统整理的经典综述论文，是机器人操作迁移学习领域最重要的综述之一。该论文系统地回顾了迁移学习技术在机器人操作中的应用，包括迁移学习的基本概念与分类（归纳迁移、转导迁移、无监督迁移）、机器人操作迁移学习的关键技术（sim-to-real迁移、跨机器人迁移、跨任务迁移、域自适应、域泛化、表示学习）、迁移学习在机器人操作各个领域的应用（抓取、放置、装配、推、开门、倒水、精细操作）等多个方面。该论文详细分析了机器人操作迁移学习的核心挑战，包括sim-to-real差距（动力学差异、视觉差异、接触建模）、跨机器人形态差异、高维连续动作空间的迁移、部分可观测环境下的迁移、负迁移、迁移效率等，并讨论了迁移学习在工业机器人、协作机器人、人形机器人、服务机器人等领域的应用。迁移学习是使机器人能够将从一个任务/环境/机器人学到的知识迁移到另一个任务/环境/机器人的关键技术，能够大幅减少新任务的数据采集和训练成本、提高跨场景泛化能力、加速新任务部署，在任务多样和环境多变的机器人操作应用中具有核心地位。该论文被引用超过900次，是机器人操作迁移学习领域的入门必读文献，对后续的sim-to-real迁移、域随机化、跨机器人迁移等研究产生了深远影响。