斯坦福机器人讲座 | 2026年春季 | 机器人学习与规划

视频 AI 总结：该演讲探讨了如何通过神经符号概念实现机器人高效学习和规划，目标是从极少量演示（1-10个）中学会新技能，并可靠地泛化到未见过的物体、状态和目标。核心思想是将学习与规划结合，利用符号化的状态和动作抽象（神经符号概念）构建世界模型，再通过约束优化、扩散模型等技术进行推理和规划。演讲展示了在抓取、摆放、长任务规划等多个场景下的应用，并指出这种框架在基础模型时代依然重要，能提供可解释性和系统集成优势。

主要内容：

• 提出将物理智能视为世界模型与规划的组合，通过组合抽象（神经符号概念）来解决问题。
• 展示了单示例技能学习：利用视觉特征引导的约束优化实现物体悬挂等任务，无需大量数据。
• 扩展到空间推理：使用扩散模型组合空间关系约束，完成桌面布置等任务，并借助大语言模型获取常识。
• 长时程任务规划：通过视频语言模型分割演示、学习动作模型（轨迹生成+状态预测），再结合搜索进行规划，如书架上书、悬挂多个杯子。
• 强调神经符号系统在基础模型时代的价值：提供可解释性、系统集成框架（如Retriever）、以及自我改进的持续学习潜力。