北航、NTU 提出 PhyFilter：用物理滤波提升机器人泛化
机器人泛化不一定要堆数据：PhyFilter 用物理滤波在线修正模型残差，让平地仿真训练的策略直接跑真实复杂地形。
北航、北京航天控制仪器研究所与新加坡南洋理工大学在 npj Robotics 提出 PhyFilter：把神经网络的学习误差当作可滤除的低频信号，用机器人实时状态反馈和已知物理结构在线修正输出。这个即插即用模块让仅在平地仿真训练的策略直接适应石板路、草地、沙地等多种地形。
正文摘录
.jpg)  智能的本质是「学习不确定性」，核心在于对干扰的观测、学习与利用。要让机器人在不确定环境下像生物一样「举一反三」，主流答案是把数据堆到大模型的量级。但真机数据的采集成本，让这条路在机器人领域几乎无法复制。 北京航空航天大学郭雷院士团队、北京航天控制仪器研究所王巍院士团队与新加坡南洋理工大学 MARS 团队在 Nature npj Robotics 提出 PhyFilter：把神经网络的学习误差看作一个可以被「滤掉」的低频信号，借助机器人自身的实时状态反馈与已知的物理微分结构，在线修正学习输出。 它是一个即插即用、与具体模型无关的轻量模块，滤波参数还能自动学习、无需手工整定。在四足机器人、无人机、空中作业机械臂与加速度感知四类系统上，仅在平地仿真中训练的策略可以直接跨越石板路、草地、沙地与碎石路，空中机械臂能在 5 m/s 风扰下完成厘米级抓放。 研究表明，物理滤波式的反馈机制，可以成为「堆数据」之外的另一条泛化路径。