Recoleta Item Note
Robotic Foundation Models for Industrial Control: A Comprehensive Survey and Readiness Assessment Framework
这是一篇面向工业控制场景的机器人基础模型（RFM）综述，不是提出新模型，而是系统评估现有RFM距离工业落地还有多远。论文的核心价值在于把“工业可部署性”具体化为可审计的评估框架，并据此大规模分析当前模型生态。
robotic-foundation-modelsindustrial-roboticsreadiness-assessmentvision-language-actionmanipulationsurvey
Summary
这是一篇面向工业控制场景的机器人基础模型（RFM）综述，不是提出新模型，而是系统评估现有RFM距离工业落地还有多远。论文的核心价值在于把“工业可部署性”具体化为可审计的评估框架，并据此大规模分析当前模型生态。
Problem
- 现有RFM/VLA研究常强调基准成绩，但缺少从工业部署视角出发的系统性审查，尤其是安全、实时性、异构硬件、边缘计算和系统集成等要求。
- 工业机器人，特别是协作机器人，需要可指令、可迁移、低工程成本的通用控制能力；但学术进展不等于可直接进入工厂。
- 文献增长极快，容易出现碎片化与夸大结论，因此需要一个可复用、可追踪的成熟度评估框架来判断RFM是否真正具备产业准备度。
Approach
- 论文先从工业需求出发，重新界定RFM：要求具备通用核心能力，能跨任务/跨 embodiment 适配，并具备多模态输入与灵活输出，而不仅是单一感知或单一控制模块。
- 作者将工业部署需求归纳为11个相互依赖的影响维度，并把这些维度操作化为一个包含149项具体标准的评估目录，覆盖模型能力与生态系统要求。
- 他们建立了标准化文献获取与筛选流程：通过自动化数据库检索、LLM辅助过滤和人工复核，整理RFM相关文献与模型谱系。
- 在评估阶段，作者使用一个保守的LLM辅助判定流程，并用专家判断进行验证，对324个具备操作能力的RFM进行逐条标准打分。
- 最终形成一个大规模、面向工业成熟度的横向比较，而不是仅按模型架构或单一benchmark分类。
Results
- 论文声称完成了对324个 manipulation-capable RFMs的工业成熟度评估，总计产生了48,276条 criterion-level decisions。
- 评估框架本身包含11个工业部署影响维度和149项具体标准，覆盖的不只是模型能力，也包括部署生态要求。
- 文献构建方面，主语料最终整理出1,025篇高相关论文，其中包括341个 control/integrated RFMs；其中324个聚焦操作、移动操作或通用机器人场景。
- 两轮大规模检索共得到10,728和12,027条有效文章记录，合并去重后得到6,497篇唯一条目；经两阶段过滤后保留1,408篇，再经人工精炼得到最终语料。
- 核心结论是：工业成熟度整体“有限且不均衡”；即便评分最高的模型也只满足一部分标准，通常只在少数维度上突出，而非全面覆盖工业所需能力。
- 文中未在给定摘录中提供各模型的具体平均分、榜单数值或相对某个baseline的百分比提升；最强的定量主张是其评估规模（324模型、149标准、48,276次判定）以及“当前尚无真正 industry-grade RFM”的总体结论。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.