多机构联合综述：可供性学习如何连接感知与机器人行动
这篇综述把分散的可供性研究统一成「感知—推理—行动」框架，说清机器人从看懂场景到真正动手之间缺的那一环。
南洋理工大学、清华等十余家机构联合发布综述，梳理近 200 篇工作，提出「感知—推理—行动」框架。可供性（Affordance，指环境与智能体之间的行动可能性，比如杯柄可抓、按钮可按）被视为连接视觉理解与物理交互的关键接口。
正文摘录
.png) 导语 近年来，视觉—语言—动作模型、世界模型、通用机器人和多模态基础模型快速发展，机器人已经能够理解复杂指令，并在越来越多的操作任务中生成连续动作。然而，从“识别场景”到“真正与物理世界交互”之间，仍然存在一个关键问题：机器人不仅需要知道眼前是什么，还需要理解什么可以被操作、应该在哪里操作，以及如何将这种理解转化为可执行动作。 可供性（Affordance）正是连接视觉理解与物理交互的重要概念。它描述环境、任务与智能体之间的行动可能性：杯柄可以被抓取，按钮可以被按压，空闲桌面可以用于放置物体，而这些可能性又会随着任务目标、环境状态和机器人本体能力发生变化。 因此，可供性正在成为连接场景理解、任务推理与机器人行动的重要接口。如何从统一视角理解其在具身智能中的作用，也变得越来越重要。 近期，南洋理工大学、香港科技大学（广州）、上海交通大学、伊利诺伊大学厄巴纳—香槟分校、悉尼大学、利物浦大学、爱丁堡大学、清华大学、MBZUAI、苏黎世联邦理工的研究者联合撰写综述《From Passive Perception to Active Interaction: A Survey of Affordance Learning for Embodied AI》，系统梳理了可供性学习在具身智能中的角色与发展脉络。