480+机器人论文开源索引：VLA、具身操作与Sim-to-Real一站检索

一个专注机器人研究的开源论文索引

机器人学正处在爆发期，VLA（视觉-语言-动作）模型、机械臂操作、人形机器人等方向的论文每天都在刷新。但对研究者和工程师来说，真正的痛点往往不是找不到论文，而是找不到能跑起来的代码。一个在 Reddit 上流传的开源项目正好瞄准了这个问题——它维护着一个超过 480 篇机器人论文的策展索引，每一篇都附带可运行的开源代码仓库。

这个索引每天自动追踪新发布的机器人论文，并为每篇论文同时链接 arXiv 页面、PDF 全文和对应的代码仓库。换句话说，它把“读论文”和“跑代码”这两件常常割裂的事情合并到了一个入口。

覆盖范围：从VLA到人形机器人

该索引的覆盖面相当完整，几乎囊括了当前机器人研究的主要热点方向：

• VLA 与基础模型：视觉-语言-动作模型是近年来最受关注的方向之一，试图让机器人像大模型理解文本那样理解物理操作任务。
• 机械臂操作（Manipulation）：抓取、放置、装配等经典但依然充满挑战的任务。
• 运动控制（Locomotion）：四足、双足等移动平台的步态与平衡。
• Sim-to-Real：仿真环境训练到真实世界部署的迁移，这是机器人落地的核心瓶颈之一。
• 人形机器人（Humanoids）：当下资本和产业最密集押注的赛道。
• 导航（Navigation）与强化学习（RL）：移动自主性与策略学习的基础方法。

每篇论文都按主题打上标签，用户可以按子领域筛选，快速定位到自己关心的方向，而不必在海量条目中逐一翻找。

VLA（视觉-语言-动作）模型是将大型语言模型/视觉语言模型的感知与推理能力延伸到机器人控制领域的新范式。其核心思路是：用预训练的视觉编码器处理摄像头图像，用语言模型理解指令语义，再通过动作解码器输出机械臂或移动平台的控制指令。代表性工作包括 Google 的 RT-2、OpenVLA 以及 π0 等。与传统的端到端模仿学习相比，VLA 模型具备更强的泛化能力，理论上可以通过自然语言指令完成未见过的组合任务；但其推理延迟高、对训练数据多样性要求苛刻，目前在实时控制和低成本硬件上的部署仍是主要挑战。Sim-to-Real 则指在 MuJoCo、Isaac Sim 等物理仿真器中训练策略，再迁移到真实机器人的技术路线。仿真与现实之间存在"现实差距"（Reality Gap），包括接触动力学、传感器噪声和执行器响应的差异，域随机化（Domain Randomization）是目前最主流的缓解手段。

每篇论文都有“人话版”摘要

索引的一个实用设计在于：每个论文页面不只是堆砌链接，还提供了一份通俗语言（plain-language）的摘要、关键要点提炼，以及论文本身的图表。

对于非该子领域的研究者，或者刚入门的学生来说，这类“人话版”摘要能显著降低阅读门槛——先用两三分钟判断这篇论文是否值得深入，再决定是否打开 PDF 和代码。这种“摘要+图表+代码”的组合，本质上是在帮用户做前置的信息筛选工作。

时间跨度与更新频率

目前该索引收录了 480 多篇 2026 年的论文，同时保留了一个可回溯到 2017 年的历史目录。这意味着它既能跟上最新进展，也保留了领域演进的脉络，适合做文献综述或追溯某条技术路线的起点。

“每日更新”是它区别于一次性整理清单的关键。机器人领域迭代极快，一个静态的 Awesome List 往往几个月后就过时，而自动化的每日追踪机制能让索引始终保持新鲜度。

在学术论文追踪领域，"Awesome List"是 GitHub 上流行已久的社区驱动资源汇总形式——由人工维护、定期提交更新，优点是筛选质量有人把关，缺点是依赖维护者的时间投入，常见的衰败模式是仓库数月无人更新后逐渐失去参考价值。相比之下，基于 arXiv API 或 Semantic Scholar API 的自动化每日追踪可以在论文上传后数小时内完成收录，代价是需要额外的过滤与分类机制来控制噪声。该索引采用的"自动追踪+人工策展标签"混合模式，试图在时效性与质量之间取得平衡，这也是近年来学术检索工具的常见演化方向，类似的项目还有 Papers With Code 的每日论文榜单。

对研究者和工程师的价值

这类工具的意义不在于创造新知识，而在于降低获取知识的摩擦。对不同人群而言：

• 研究人员可以快速对标 SOTA 工作，确认是否有可复现的基线代码。
• 工程师可以直接从代码仓库入手，评估某个方法的工程成熟度。
• 学生与入门者则能借助通俗摘要和主题标签，建立对机器人研究版图的整体认知。

需要提醒的是，这是一个社区性质的策展项目，论文筛选标准、代码质量和维护持续性仍需使用者自行判断。附带代码并不等于代码可直接运行或结果可完全复现——这是机器人研究长期存在的现实问题。但作为一个带有代码链接、按主题分类、每日更新的检索入口，它确实为跟踪快速演进的机器人领域提供了一个高效的起点。