跨异构机器人行为适应
通过自然语言标注的意图空间对齐，让异构机器人无需直接复制动作即可相互学习并适应新环境，实现跨形态与任务配置的稳健行为迁移。
Gao, Yuan · Liu, Hangxin · Yang, Fangkai · Lam, Tin Lun
Science Robotics 2026
在共享意图空间中对齐高层意图，而不是直接复制动作，因此不同形态的机器人可以互相学习。
利用语言标注的意图支持推理时的行为适应，使机器人能够应对训练中未出现的环境和任务配置。
框架利用不同机器人的能力和约束差异，支持异构团队中可扩展的任务分配。
在7种不同机器人、30个真实场景的多步协作任务中验证了稳健的意图对齐行为适应。