⏱ ~49 min

机器人 RL 运动控制 · 研究脉络地图（Roadmap）

截止日期：2026-07-18　·　覆盖范围：2018-2026（近三年为主，奠基工作回溯）
文献规模：923 篇论文 + 748 PDF + 3240 引用边（builds_on/leads_to 标签总数）
配套：HTML 知识网站在 site/，原始数据在 research/data/
本文是一张「视觉知识地图」：一张页面看懂整个领域的分层结构。先看第一节全景图和第二节一句话版，再按第三节九大分区卡片进入感兴趣的方向。

一、领域全景图（一张图看懂）

领域全景：基础设施 → 五大范式 → Foundation Model → 真机部署

三层结构：① 基础设施层（数据 + 仿真，底）→ ② 五大范式层（Locomotion / IL / Motion Prior ⭐ / Action Gen / Teleop，中）→ ③ Foundation Model 层（VLA + World Model，顶）→ 真机部署。
⭐ 标记用户重点线索 Motion Prior（AMP→BFM→SONIC）；★ 标记 2026 SOTA。

二、一句话版（核心脉络）

数据 + 仿真 → 五大范式 → Foundation Model → 真机部署

机器人 RL 运动控制领域可以压缩成一条单向链：(1) AMASS / OpenX / DROID + Isaac Gym/Lab/Genesis 把数据与训练底座统一化 → (2) Locomotion / IL / Motion Prior / Action Gen / Teleop 五大范式在底座上各立门户，解决「怎么动」「怎么学」「怎么像人」「怎么生成」「怎么采数据」 → (3) VLA + World Model 把所有范式重新组织成「大模型当 policy」形态 → (4) Sim-to-Real + WBC 把模型压到真机上。本文接下来用九张卡片拆解这条链。

三、知识地图（九大分区卡片）

阅读提示：每张卡片 = 图标 + 线索名 + 一句话定位（callout）+ 代表论文 + 演进 SVG/线索入口。从任意感兴趣的卡片切入即可。

🔧 1. 基础设施层 · 数据集 + 仿真

T02 · 数据集基础设施：AMASS → OpenX → DROID + Isaac Gym/Lab/Genesis，把机器人从「每个实验室各做各的」推到「大数据预训练 + GPU 并行训练」范式。基础设施反向塑造研究问题本身——一半范式跃迁功劳属于这一层。

🦿 2. Locomotion · Sim-to-Real + 步态/地形

T01 · Sim-to-Real 与在线适应 + T12 · 敏捷 Locomotion：四足/人形走跑跳怎么学、怎么从仿真迁真机、怎么处理剧烈动作。从 OpenAI Hand 的 DR → ETH ANYmal 的 SysID → RMA 在线适应 → Extreme Parkour 极限动作 → ASAP delta-model 弥合 sim-real gap。

🧠 3. Imitation Learning · BC → DP → ACT → flow

T05 · Diffusion Policy 谱系：从行为克隆（BC）的均值回归死结，到 diffusion / flow matching 多模态动作分布建模。BC → DAgger → Diffusion Policy → ACT → π0 flow matching，一路解决「动作多峰分布」与「长程一致性」。

⭐ 4. Motion Prior · AMP → BFM → SONIC（用户重点）

T04 · Motion Prior：AMP → BFM：怎么把动捕数据（MoCap）蒸馏成机器人可复用的「人类运动常识」。DeepMimic（2018）逐帧对齐 → AMP（2021）判别器分布对齐（分水岭）→ ASE/CALM latent skill → PHC/UHC universal tracker → BFM（2025）大规模 motor foundation → SONIC（2025.11）42M token VLA-driven 全身控制（当前 SOTA）。这条线是当前人形控制研究的中轴之一。

🎬 5. Action Generation · Diffusion/Flow Physics-Aware

T08 · 动作生成 physics-aware：怎么生成物理可信的人体/机器人动作。从纯 kinematic 的 MDM → PhysDiff（把 physics simulator 注入 diffusion 反向过程）→ ReinDiffuse（RL finetune）→ BeyondMimic（生成 + tracking 合流）。与 Motion Prior 方向相反但终点相同——前者从物理 controller 出发用 MoCap 扩能力，后者从生成模型出发用物理保证可行。

🎮 6. Teleop · 数据采集管道

T07 · 人形 teleop 技术栈：实时遥控 + 数据采集管道。ALOHA 双臂 → H2O 首个单目全身 teleop → OmniH2O 多模态统一 → HOVER 多模式蒸馏 → Helix-02 System 0 @ 1kHz 自主。teleop 既是数据来源，也是 motion prior / VLA 的指挥接口。

🧬 7. Foundation Model · VLA + World Model

T06 · VLA 五段演进 + T09 · World Model 作 simulator：把大模型当控制策略。RT-1 → RT-2（VLA 范式确立）→ OpenX 数据转折点 → OpenVLA（开源 7B）→ π0（flow matching 灵巧化）→ GR00T N1→N2（人形 VLA + world action）。同期 World Model 路线 DreamerV3 → Genie 2 → Cosmos → 1X WM → DreamZero，把「学一个世界当 simulator」做成 VLA 的下一步想象。

🤲 8. 灵巧操作 + 抓取

T11 · 灵巧手操作 + T14 · 抓取：多指精细操作（抓/转/捏/工具）与稳定抓取。DoF 高、触觉缺失、sim-real gap 大是核心难点。OpenAI Hand → DexPilot → RotateIt → DexImit；抓取侧 Dex-Net → QT-Opt → GraspNet → AnyGrasp。当前研究焦点之一。

🔴 9. VLA + WBC 整合（当前最热）

T10 · VLA + WBC 分层整合：人形控制栈的当前最热开放问题。GR00T N1 × SONIC → Helix-02 → WholebodyVLA，研究范式是「VLA 出高层意图 → WBC/motor foundation 执行全身协调（含手-脚协调）」。这是 2026 上半年整个领域的研究焦点。

横切线索：T03 Reward 自动化（手工 → motion prior → LLM 自动）· T13 综述视角（鸟瞰整合）

四、四条贯穿主线

主线 1 · AMP → BFM → SONIC（motion prior 谱系）


DeepMimic (2018, 逐帧对齐)
  → AMP (2021, 判别器分布对齐) ← 分水岭
    → ASE/CALM (2022-23, latent skill)
      → PHC/UHC (2023, AMASS universal tracker)
        → BeyondMimic (2025.08, diffusion+tracking 合流)
          → BFM (2025.09, 大规模 motor foundation)
            → SONIC (2025.11, 42M universal token, VLA-driven) ← 当前 SOTA
              → AnyBody/XHugWBC (2026, free-form/跨形态)

主线 2 · VLA 五段 → WAM


RT-1 (2022, 动作 token 化)
  → RT-2 (2023, VLA 范式确立, emergent ability)
    → OpenX (2023, 跨本体数据转折点)
      → OpenVLA (2024, 开源 7B)
        → π0 (2024, flow matching 灵巧化)
          → GR00T N1→N2 (2025-26, 人形 VLA + world action)
            → π0.7/DreamZero (2026, WAM+VLA 混合)

主线 3 · Sim-to-Real 四次转向


DR (2017, OpenAI Hand)
  → SysID (2019, ETH ANYmal, RaiSim 精细标定)
    → RMA (2021, 在线适应, temporal conv)
      → ASAP (2025, delta action model 补偿 gap)
        → Actuator Reality Shaping (2026, 电机级建模)

主线 4 · 人形全身控制栈


H2O (2024.03, 首个单目全身 teleop)
  → OmniH2O (2024.06, 多模态统一)
    → HOVER (2024.10, 多模式蒸馏)
      → ASAP (2025.02, sim-real 弥合)
        → SONIC (2025.11, VLA-driven 全身 loco-manip)
          → Helix-02 (2026, System 0 @ 1kHz 自主)

五、2026 上半年五大趋势

  1. WAM + VLA 混合：从纯 VLA → 能想象未来再行动（DreamZero、π0.7 BAGEL）
  2. Motor foundation 竞赛：SONIC / Ψ0 / GR00T N2 / Helix-02 多方角逐
  3. 跨形态零样本：XHugWBC 解决 H1 → G1 迁移
  4. 人形极限运动：HUSKY（滑板）、OmniXtreme
  5. Sim2Real 下沉到 actuator 级：Actuator Reality Shaping + 可微仿真 + 主动探索

六、关键里程碑时间线（2018-2026）

时间里程碑线索
2018.07DeepMimic（motion imitation 奠基）T04
2018.08OpenAI Hand（DR 标志性应用）T01/T11
2019ETH ANYmal（SysID + sim2real 工程化）T01
2021.04AMP（motion prior 分水岭）T04
2021.07RMA（在线适应）T01
2021.08Isaac Gym（训练民主化）T02
2022.12RT-1（大规模 Transformer policy）T06
2023.03Diffusion Policy（IL 转折点）T05
2023.04ACT/ALOHA（低成本双臂 IL）T05/T07
2023.05PHC（BFM 雏形）T04
2023.07RT-2（VLA 范式确立）T06
2023.09Extreme Parkour（极限动作）T12
2023.10OpenX-Embodiment（数据转折点）T02/T06
2023.10Eureka（LLM 自动 reward）T03
2023.10PhysDiff（physics-aware 生成奠基）T08
2024.03H2O（首个全身人形 teleop）T07
2024.06HumanPlus + OmniH2O（全栈 / 多模态）T07
2024.06OpenVLA（开源 VLA 里程碑）T06
2024.06DrEureka（LLM reward + DR sim2real）T03
2024.10π0 + RDT-1B（flow matching VLA）T06
2024.10HOVER（多模式 WBC 统一）T01/T07
2024.12Genie 2（生成式 3D 世界）T09
2025.01Cosmos（产业级 world FM）T09
2025.02Helix / ASAP（Figure 全身 / delta model）T06/T01
2025.03GR00T N1（开源人形 VLA 双系统）T06/T10
2025.08BeyondMimic（生成 + tracking 合流 SOTA）T04/T08
2025.09BFM（大规模 motor foundation）T04
2025.101X World Model（video-WM-as-simulator）T09
2025.11SONIC（42M universal token, VLA-driven 全身）T04/T10
2025.12WholebodyVLA（ICLR 2026 全身 VLA）T10
2026.02XHugWBC（跨形态零样本）T01
2026.03GR00T N2（DreamZero world action）T06
2026.05π0.7（steerable generalist + WAM）T06
2026.06AnyBody（free-form keypoint）T04
2026.07Actuator Reality Shaping（sim2real 新突破）T01

七、怎么学（学习路径引导）

不确定从哪里开始？建议按「基础理论 → 单条技术线索 → 方法论」三层推进，6-12 个月可从「懂简单 RL」走到「中高级具身智能运控算法专家」。

快速选路：想做四足/人形走路 → T01 + T12；想做机械臂操作 → T05 + T11；想做 VLA/Foundation Model → T06 + T10；想做人形全身控制 → T04 + T07 + T10。

八、全部线索索引（T01–T14）

编号线索核心问题所属分区
T01Sim-to-Real 与在线适应仿真策略怎么迁移真机、怎么实时适应未知环境🦿 Locomotion
T02数据集基础设施演化 ⭐OpenX/DROID/AMASS/Isaac Lab 怎么把机器人推到大数据预训练范式🔧 基础设施层
T03Reward 设计的演化手工 → motion prior → LLM 自动横切
T04Motion Prior: AMP → BFM ⭐把动捕数据沉淀成机器人运动常识（用户重点）⭐ Motion Prior
T05Diffusion Policy 谱系从 BC 到多模态动作分布建模🧠 IL
T06VLA 五段演进用大模型当控制策略🧬 Foundation
T07人形 teleop 技术栈实时遥控 + 数据采集管道🎮 Teleop
T08动作生成 physics-aware从纯 kinematic 到真机可执行🎬 Action Gen
T09World Model 作 simulator学一个世界模型当数据源/评估器/规划器🧬 Foundation
T10VLA + WBC 分层整合 🔴人形控制栈的当前最热开放问题🔴 VLA+WBC 整合
T11灵巧手操作 ⭐多指精细操作，DoF 高 + 触觉缺失 + sim-real gap🤲 灵巧+抓取
T12敏捷 Locomotion（parkour + 剧烈动作）跳/爬/翻滚等高动态动作怎么学、剧烈动作 sim-real 是否本质无解🦿 Locomotion
T13综述视角（鸟瞰整合）基于 8 篇综述 + 12 线索的全景俯瞰、5 领域共识、5 未来方向横切
T14抓取（Grasping）从几何规划到学习到生成，抓取 vs 灵巧操作的边界🤲 灵巧+抓取

图例：🟢 活跃 / 🟡 趋稳 / 🔴 最热　·　⭐ 用户重点线索

维护说明：本页面是 research/ 的视觉入口，对应原始索引在 总索引 INDEX。新线索/论文加入后请同步本页第三节的对应分区卡片与第八节索引表。