[论文解读] Robotic Foundation Models for Industrial Control: A Comprehensive Survey and Readiness Assessment Framework

David Kube, Simon Hadwiger+1 more|arXiv (Cornell University)|Mar 6, 2026

Soft Robotics and Applications被引用 0

一句话总结

这篇论文综述了用于工业控制的机器人基础模型（RFMs），提出了包含149条标准的工业就绪框架，并评估了324个具备操控能力的RFMs，以揭示工业成熟度有限且在部署关键需求上的覆盖不均衡。

ABSTRACT

Robotic foundation models (RFMs) are emerging as a promising route towards flexible, instruction- and demonstration-driven robot control, however, a critical investigation of their industrial applicability is still lacking. This survey gives an extensive overview over the RFM-landscape and analyses, driven by concrete implications, how industrial domains and use cases shape the requirements of RFMs, with particular focus on collaborative robot platforms, heterogeneous sensing and actuation, edge-computing constraints, and safety-critical operation. We synthesise industrial deployment perspectives into eleven interdependent implications and operationalise them into an assessment framework comprising a catalogue of 149 concrete criteria, spanning both model capabilities and ecosystem requirements. Using this framework, we evaluate 324 manipulation-capable RFMs via 48,276 criterion-level decisions obtained via a conservative LLM-assisted evaluation pipeline, validated against expert judgements. The results indicate that industrial maturity is limited and uneven: even the highest-rated models satisfy only a fraction of criteria and typically exhibit narrow implication-specific peaks rather than integrated coverage. We conclude that progress towards industry-grade RFMs depends less on isolated benchmark successes than on systematic incorporation of safety, real-time feasibility, robust perception, interaction, and cost-effective system integration into auditable deployment stacks.

研究动机与目标

• 在机器人控制领域定位RFMs并识别行业特定需求。
• 定义RFMs并按能力和输出对其进行聚类以服务机器人领域。
• 通过11个观点和一个149项成熟度目录提供工业部署视角。
• 将评估框架应用于具备操控能力的RFMs，以映射优势、差距和研究需求。
• 推动从基准测试成功转向面向行业的可审计、安全性与部署意识的就绪性评估。

提出的方法

• 将RFMs定义为具备跨任务/跨体态的通用核心、可适应、具备多模态输出的模型。
• 将RFMs分为控制、规划和集成等类别；将VLAs定位为一个突出的子类别。
• 开发一个工业层面的含义框架，提炼为11个观点引导部署考虑。
• 构建一个覆盖模型能力与生态系统需求的149项标准目录。
• 通过可重复的、由LLM辅助的文献获取流程，汇集三大语料（RFM文献、工业影响、补充数据）。
• 基于该标准目录对324个具备操控能力的RFMs进行评估，采用保守且经专家验证的LLM辅助流程。

Figure 1 : Robotic control-method hierarchy: Each level increases flexibility, intelligence and generalisation capabilities, while reducing manual engineering effort and required expertise for operation and adaptation.

实验结果

研究问题

• RQ1 在工业环境中对RFMs的部署关键需求和约束是什么？
• RQ2 在一个明确、以工业为导向的标准目录下，对当前RFMs的成熟度如何？
• RQ3 哪些维度（安全、实时性、鲁棒性、整合）主导着迈向工业级RFMs的差距？
• RQ4 操控聚焦的RFMs在这149项标准上的表现如何，覆盖最强和最弱的领域？
• RQ5 将RFMs从基准进展推进到行业就绪部署的实际意义是什么？],
• RQ6 key_findings':['RFMs的工业成熟度有限且在各维度之间不均衡。','最高等级的模型仅满足149条标准中的一小部分显示出狭窄且部署特定的峰值覆盖，而非综合覆盖。','对324个RFMs的大规模评估揭示出集中在某些方面的优势但在安全性、实时性、感知鲁棒性、交互和系统集成方面存在重大差距。','迈向行业级RFMs的进展取决于纳入可审计的部署栈，以解决安全、延迟、感知鲁棒性和成本效益整合等问题。','这11个部署观点为解读跨领域工业需求并指导未来研究提供了结构化的视角。','149项标准框架为审计RFM就绪性并指导工业应用的系统改进提供了具体工具。'],
• RQ7 table_headers:[],
• RQ8 table_rows:[]

主要发现

• - RFMs的工业成熟度有限且在RFMs之间不均衡。
• - 最高等级的模型仅达到149项标准的一部分，覆盖面狭窄。
• - 在安全性、实时可行性、鲁棒感知、交互及系统集成方面存在显著差距。
• - 工业进展依赖可审计的堆栈和成本有效的部署考虑。
• - 十一个部署视角将文献转化为可操作的工业含义。
• - 149项标准目录提供结构化的就绪性评估工具。

Figure 2 : Publication increase. Visualising the amount of publications gathered per category.