Paper Analysis Robotics

第二步：理解论文

使用 Read 工具读取 ${CLAUDE_SKILL_DIR}/shared/paper_core.md，按照其中定义的提取框架，在内部构建 PAPER_CORE。

这一步静默完成，不向用户展示提取过程。

字段缺失处理：缺失字段填 null，在报告中遇到 null 字段时注明"论文未涉及"，不捏造内容。

第三步：生成深度分析报告

基于 PAPER_CORE 输出完整分析报告。风格：专业严谨，面向同方向的工科研究生。全程中文，专业术语保留英文原文。

严格按照以下 8 个部分输出，不得省略。

0. 摘要翻译

将论文摘要原文翻译为中文，保持学术语言风格，不做删减。

1. 问题定义与动机

a) 要解决的控制问题 明确说明：

• 控制任务是什么（locomotion / manipulation / navigation / 其他）？
• 系统的 observation space 和 action space 是什么？
• 对系统动力学有什么假设（已知 / 部分已知 / 完全未知）？

b) 现有方法的痛点 现有方法（传统控制 or 已有学习方法）在这个问题上卡在哪里？要具体，不泛泛而谈。 例如：MPC 需要精确模型、纯 BC 存在 distribution shift、RL 样本效率低等。

c) 核心假设与 insight 作者的核心 insight 是什么？用 2-3 句话概括本文认为"为什么这样做能解决上述痛点"。

2. 方法精读

⚠️ 直接对照论文原文的 Methods 部分，保留论文自身的章节结构。逐节展开，不做合并压缩。

按照论文 Methods 的原始小标题逐节分析，每节格式如下：

§X.X 原始节标题（英文）

这一节在做什么：1-2 句话说清楚本节的核心目标。

技术细节（可参考以下进行思考，但不局限于此，按实际涉及的维度展开，没有的维度跳过）：

• 数学公式

  • 写出本节所有关键公式（使用 LaTeX 或清晰的文字表达）
  • 逐项解释每个符号：物理含义是什么、取值范围、单位
  • 说明公式的输入从哪里来、输出去哪里用

• 网络结构

  • 整体架构类型：MLP / CNN / Transformer / RNN / Diffusion / 混合
  • 各子网络的输入维度、隐层维度、输出维度
  • 编码器设计：如何处理图像（CNN kernel/stride）、proprioception（MLP层数）、点云（PointNet/3D conv）
  • 是否使用注意力机制：self-attention / cross-attention / 位置编码方式
  • 时序建模：是否有 LSTM / GRU / causal Transformer / history window
  • 归一化方式：BatchNorm / LayerNorm / 无
  • 激活函数选择及原因（ELU / ReLU / Tanh 等）
  • 多模块间权重是否共享

• 训练方式

  • RL 类：算法选择（PPO / SAC / TD3 / …）及原因；reward 函数各项 term、权重系数、物理意义；rollout 长度与 update 频率；是否用 curriculum（难度如何递增）；value function 结构
  • IL 类：demonstration 来源（人工 / MPC / 其他 policy）；loss 函数（MSE / NLL / GAIL…）；如何缓解 distribution shift（DAgger / data augmentation / …）；训练数据量
  • Model-based 类：dynamics model 的形式（神经网络 / 解析模型 / 混合）；如何训练；如何用于规划（shooting / CEM / …）或辅助 RL
  • 通用：优化器与学习率调度；batch size；训练总步数/轮数；多阶段训练（如 pre-train → fine-tune）；正则化手段（dropout / weight decay / gradient clipping）

• 改进策略

  • 相比直接套用 baseline，作者做了哪些针对性修改？
  • 每个改动是为了解决什么具体问题（过拟合 / 训练不稳定 / sim-to-real gap / 计算效率等）

解决了什么问题：这个设计对应 Introduction 里提出的哪个具体痛点？

在整体框架中的作用：这一节的输出如何流入下一个模块？去掉这一节整个系统会在哪里断掉？

如果某节内容极少（如纯 notation 定义），可附在上一节末尾，注明"§X.X 符号定义"。

3. 方法总结（基于精读提炼）

a) 整体 Pipeline（速览） 用 4-6 步概括整个方法的数据流：输入 → 各处理步骤 → 输出。比方法精读更精简，侧重模块间的逻辑关系。

b) 核心设计决策 从方法精读中提炼出 2-4 个最关键的设计选择，说明"为什么这样选而不是用更简单的方案"。

c) Sim-to-Real 策略（如适用）

• 使用了哪些 domain randomization（动力学参数、外观、延迟等）？
• 有没有 adaptation 模块（如 RMA 的 estimator、online system ID）？
• 部署时 policy 是否需要修改？

4. 与其他方法对比

a) 本质区别 与该领域主流方法（传统控制 / 已有学习方法）最根本的不同在哪里？

b) 核心贡献（编号列出）

c) 适用场景与局限

• 什么任务/环境下这个方法更有优势？
• 明确不适用的场景（例如：需要精确力控的任务 / 高速动态系统 / 数据稀缺场景）？

d) 对比表格

5. 实验分析

a) 实验设置

• 仿真平台（MuJoCo / Isaac Gym / PyBullet / 其他）？
• 真实硬件平台（机器人型号、自由度、传感器）？
• 任务设置与难度梯度（是否有 curriculum）？
• 评估指标（success rate / tracking error / energy / 其他）及其物理含义？

b) 关键结果 最具代表性的实验数据和结论，数字要具体。

• 与 baseline 对比的核心提升点
• 真实机器人实验结果（如有），与仿真结果是否一致？

c) 消融实验 作者去掉哪些模块后性能下降最显著？这说明哪个设计是最关键的贡献？

d) 局限性与潜在失效场景

• 泛化能力如何（不同地形 / 物体 / 扰动）？
• 计算开销：训练时间、推理频率能否满足实时控制？
• 对 sim-to-real gap 的敏感性（哪些参数变化会导致 policy 失效）？

6. 实际部署考量

a) 开源情况 代码 / 模型 / 数据集是否开源？链接？

b) 复现关键细节

• 重要超参数（网络大小、学习率、reward 权重、rollout 长度等）
• 训练数据量级（环境步数 / demonstration 数量）
• 容易被忽略的训练技巧（observation normalization、action clipping、reward shaping 细节等）

c) 迁移潜力

• 能否迁移到其他机器人平台或任务类型？需要改动哪些部分？
• 这篇论文的哪个模块/思路可以作为其他工作的组件复用？

7. 总结与个人思考

a) 一句话核心思想（≤ 20 字）

b) 速记版 Pipeline（3-5 步，不用论文术语，直白具体）

示例格式：

1. 在仿真中随机化动力学参数，训练 RL policy
2. 用 privileged information 训练 teacher policy，再蒸馏给 student
3. Student policy 只用 proprioception，部署到真实机器人

c) 值得关注的开放问题 这篇论文没有解决、但读完后你觉得值得继续研究的问题（1-3 条）。

输出规范

• 若论文未涉及某子项，注明"论文未涉及"而非跳过
• 重点在 方法设计 和 实验分析，引言与结论不过度展开
• 控制领域专有名词保留英文（如 PPO、CBF、domain randomization、end-effector 等），必要时附简短解释
• 完成后询问："还需要做其他的吗？我可以进一步：生成这篇论文的方法思维导图、与某篇具体论文做对比分析、帮你整理 related work 脉络、或者起草 paper note。"