**综述：将物理先验嵌入机器人学习**

_Embedding Physics Priors in Robot Learning: A Survey_

> 该综述系统梳理「物理嵌入机器人学习」这一方向：针对机器人数据稀缺、真实交互复杂且需可靠运行的问题，将物理定律与约束作为归纳偏置引入学习算法，以提升泛化性、可解释性与样本效率。作者提出统一分类法，按物理嵌入方式分为三类——物理引导的输入、数据与表征，物理编码的模型架构，以及物理约束的训练损失；并在此框架下回顾机器人动力学学习、轨迹规划、预测、控制与状态估计等方法及相关开源软件生态，涵盖从单层感知机到生成式基础模型的各类模型。文章指出物理先验是与机器人高度相关的归纳偏置，应补充而非取代数据驱动学习，并梳理了关键开放挑战与未来方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.22319)