idea-discovery-robot

机器人创意发现流程

在每个评审环节之前，请遵循 Selectable Reviewers： 通过规范的辅助解析器解析调用 → .aris/reviewer.json → Claude Code 默认设置（Codex MCP）， 并使用 reviewer_route.py，同时保留此环节的层级、新鲜上下文、源文件／图像输入和确定性门控。 以下 Codex 示例／固定配置仅适用于 backend=codex；其他路由使用各自的首次调用／回复约定。保存路由和实际返回的身份； 不可用的选择标记为 REVIEW_UNAVAILABLE。根据实际系列／完成情况／范围对验收进行分类。 将调用中的评审者／模型／工作量覆盖项传递给包含评审者的子流程。生成工作器保持不变。

为以下主题编排一个机器人专属的创意发现工作流：$ARGUMENTS

概述

此技能将四个子技能串联成一个自动化流程：

/research-lit → /idea-creator (robotics framing) → /novelty-check → /research-review
  (survey)              (filter + pilot plan)         (verify novel)    (critical feedback)

但每个阶段都必须以机器人专属约束为依据：

• 具身形态：机械臂、移动操作机器人、无人机、人形机器人、四足机器人、自动驾驶汽车等
• 任务类别：抓取、插入、运动、导航、操作、重排、多步规划
• 观测与动作接口：RGB/RGB-D／触觉／语言；扭矩／速度／航点／末端执行器动作
• 模拟器／基准可用性：默认优先仿真
• 真实机器人约束：硬件可用性、重置成本、安全性、操作员时间
• 评估质量：成功率及失败案例、安全违规、干预次数、延迟、样本效率
• Sim2real 路径：创意可否仅在仿真中验证、是否需要离线日志，或是否确实需要硬件

目标不是制作炫目的演示。目标是提出以下创意：

• 可进行基准评测
• 可证伪
• 能够利用现有机器人基础设施实现
• 即使结果是否定的，也依然有意义

常量

• MAX_PILOT_IDEAS = 3 — 深入验证最多 3 个最佳创意
• PILOT_MODE = sim-first — 在任何硬件执行之前，优先开展仿真或离线日志试点
• REAL_ROBOT_PILOTS = explicit approval only — 绝不假定可以访问实体机器人或已获准使用
• AUTO_PROCEED = true — 如果用户未在检查点回复，则使用最佳的仿真优先方案继续
• REVIEWER_MODEL = gpt-6-astra — 通过 Codex MCP 调用的外部评审模型
• TARGET_VENUES = CoRL, RSS, ICRA, IROS, RA-L — 默认的创新性评估和评审视角

可在行内覆盖，例如：/idea-discovery-robot "bimanual manipulation" — only sim ideas, no real robot 或 /idea-discovery-robot "drone navigation" — focus on CoRL/RSS, 2 pilot ideas max

执行规则

按顺序执行各阶段。除非满足以下条件，否则不要在检查点后停止：

• 用户明确要求停止，或
• 用户要求更改范围并重新执行较早的阶段

如果 AUTO_PROCEED=true 且用户未回复，则立即使用最有力的、以基准为依据的仿真优先方案进入下一阶段。

阶段 0：定义机器人问题

生成创意之前，请从 $ARGUMENTS 和本地项目上下文中提取或推断以下机器人问题框架：

• 具身形态
• 任务类别
• 环境类型：桌面、仓库、家庭、户外、空中、驾驶、足式地形
• 观测模态
• 动作接口／控制器抽象
• 学习范式：RL、模仿学习、行为克隆、世界模型、规划、VLA/VLM、经典机器人学、混合方法
• 可用资产：模拟器、基准套件、遥操作数据、离线日志、现有代码库、实体硬件
• 计算预算
• 安全约束
• 预期贡献类型：方法、基准、诊断、系统、sim2real、数据整理

如果某些字段缺失，请明确列出假设，并默认采用：

• 仿真优先
• 优先选择公开基准
• 不执行实体机器人操作

继续之前，将此框架写入工作笔记。之后的每项决策都应参考该框架。

阶段 1：机器人领域文献调研

调用：

/research-lit "$ARGUMENTS — focus venues: CoRL, RSS, ICRA, IROS, RA-L, TRO, Science Robotics"

然后从机器人领域的视角重新整理调研结果，而不是采用通用的机器学习视角。

构建机器人领域全景矩阵

对每篇相关论文进行分类：

维度	示例
机器人形态	单臂机械臂、移动操作机器人、人形机器人、无人机、四足机器人
任务	抓取放置、插入、导航、运动、长时程重排
学习设置	RL、BC、IL、离线 RL、世界模型、规划、扩散策略
观测	RGB、RGB-D、本体感知、触觉、语言
动作抽象	扭矩、关节速度、末端执行器相对位姿、航点规划器
评估设置	纯仿真、仿真 + 真实、仅真实环境、离线基准
基准	ManiSkill、RLBench、Isaac Lab、Habitat、Meta-World、CALVIN、LIBERO、自定义
指标	成功率、碰撞率、干预次数、路径长度、延迟、能耗
主要瓶颈	样本效率低、脆弱性、重置成本、感知漂移、仿真到现实差距

搜索重点

完善调研时，优先关注：

• CoRL、RSS、ICRA、IROS、RA-L 的近期研究
• 过去 6–12 个月内的 arXiv 论文
• 基准论文和后续复现工作
• 能揭示系统瓶颈的负面结果或诊断类论文

关注要点

不要只停留在“谁的成功率最高”。要明确指出：

• 论文未能解决的反复出现的失败模式
• 已趋于饱和或具有误导性的基准
• 机器人形态发生变化后，哪些既有结论会失效
• 仅在使用特权观测时才有效的方法
• 报告的性能提升是否来自重置工程、奖励塑形或隐藏基础设施
• 即使性能数字看起来很高，评估质量仍然较差的任务类别

检查点： 以机器人领域的方式向用户呈现全景：

🤖 Robotics survey complete. I grouped the field by embodiment, benchmark, action interface, and sim2real setup.

Main gaps:
1. [...]
2. [...]
3. [...]

Should I generate ideas under this framing, or should I narrow to a specific robot / benchmark / modality?

• 用户批准（或用户未回应且 AUTO_PROCEED=true）→ 使用最佳机器人领域框架进入阶段 2。
• 用户要求修改（例如缩小机器人形态范围、更换基准类别、不做仿真到现实迁移、不使用硬件）→ 完善机器人领域框架，重新运行阶段 1，并再次呈现。

阶段 2：机器人领域专项构思与筛选

只有在明确机器人领域框架之后，才生成创意。

调用现有创意生成器，但在提示词中传入机器人问题框架和全景矩阵，避免其生成通用机器学习创意：

/idea-creator "$ARGUMENTS — robotics frame: [paste Robotics Problem Frame] — focus venues: CoRL, RSS, ICRA, IROS, RA-L — benchmark-specific ideas only — sim-first pilots — no real-robot execution without explicit approval — require failure metrics and baseline clarity"

然后按照以下机器人领域专项规则改写并筛选输出结果。

每个候选创意必须包括：

• 一句话摘要
• 目标机器人形态
• 目标基准 / 仿真器 / 数据集
• 要解决的核心瓶颈
• 最低限度的仿真优先试点
• 必需指标
• 创意不可行时的预期失败模式
• 该创意是否确实需要真实硬件

优质机器人创意模式

优先选择能够：

• 揭示感知与动作耦合中的真实瓶颈
• 提高在机器人形态或环境变化下的鲁棒性
• 减少操作员耗时、重置成本或演示成本
• 通过可测量的机制加强仿真到现实的迁移
• 改进恢复、重试行为或失败检测
• 创建更好的基准、诊断方法或评估协议
• 检验社区反复提及但很少测量的假设

薄弱的机器人创意模式

对以下主要属于此类的创意降低优先级：

• “将基础模型 / VLM / 扩散模型应用于机器人 X”，却没有分析新的瓶颈
• 依赖演示，却无法进行基准测试
• 依赖难以获取的硬件、自定义传感器或规模庞大的私有数据集
• 若不耗时数月搭建基础设施，就无法评估
• 只有在一切都完美运行时才有意义

筛选规则

对于每个想法，如果符合以下情况，请予以否决或大幅降低排名：

• 没有可用的具体模拟器或基准测试
• 没有可信的基线
• 除了“看起来更好”之外，没有可衡量的指标
• 需要真实机器人执行，但硬件访问情况不明确
• 设置依赖特权观测，导致论断缺乏说服力
• 如果评估方式更公平，预期贡献便不复存在

检查点： 在检查新颖性之前，先展示排名靠前的机器人学想法：

💡 Robotics ideas generated. Top candidates:

1. [Idea 1] — Embodiment: [...] — Benchmark: [...] — Pilot: sim/offline — Risk: LOW/MEDIUM/HIGH
2. [Idea 2] — Embodiment: [...] — Benchmark: [...] — Pilot: sim/offline — Risk: LOW/MEDIUM/HIGH
3. [Idea 3] — requires hardware / weak benchmark / high risk

Should I carry the top sim-first ideas into novelty checking and external review?
(If no response, I'll continue with the strongest benchmark-grounded ideas.)

• 用户选择想法（或用户未回应且 AUTO_PROCEED=true）→ 使用排名靠前的模拟优先想法进入阶段 3，然后继续阶段 4 和阶段 5。
• 用户希望采用不同的约束条件 → 更新机器人学研究框架，并重新运行阶段 2。
• 用户希望缩小范围 → 回到阶段 1，进一步聚焦具身形态、任务或基准测试。

阶段 3：可行性与试点设计

针对排名靠前的想法，设计一套最小验证方案。

如果仓库中已经包含可用的模拟器、基准测试框架或离线数据集处理流程，可以据此验证排名靠前的 1-3 个想法。如果没有，不要强行执行。请改为制定具体的试点计划。

默认情况下，试点应属于以下类型之一：

• 模拟试点
• 离线日志 / 数据集试点
• 使用现有基准测试结果的纯分析试点

只有在用户明确提出要求时，才提议开展真实机器人试点。

对于每个保留下来的想法，请说明：

- Embodiment:
- Benchmark / simulator:
- Baselines:
- Pilot type: sim / offline / real
- Compute estimate:
- Human/operator time:
- Success metrics:
- Failure metrics:
- Safety concerns:
- What result would count as positive signal:
- What negative result would still be publishable:

真实机器人规则

绝不自动推进到实体机器人测试。 如果某个想法需要硬件：

• 将其标记为 needs physical validation
• 优先设计模拟或离线前置验证
• 在进行任何真实机器人步骤之前，征求用户的明确确认

如果没有成本低廉的模拟 / 离线试点方案，请在报告中保留该想法，但标注为执行风险高。

阶段 3 之后，即使只制定了试点计划而没有实际运行试点，也要继续进入阶段 4。无法立即执行并不是停止工作流的理由。

阶段 4：深入验证新颖性

对每个排名靠前的想法，执行：

/novelty-check "[idea description with embodiment + task family + benchmark + sensor stack + controller/policy class + sim2real angle + target venues: CoRL/RSS/ICRA/IROS/RA-L]"

机器人学新颖性检查必须涵盖：

• 具身形态
• 任务类型
• 基准测试 / 模拟器
• 传感器配置
• 控制器 / 策略类型
• 相关时的 sim2real 或安全性角度

尤其要审慎看待以下这类想法：

• 旧方法 + 新基准测试
• VLA/VLM + 标准操作基准测试
• 没有新迁移机制的 sim2real 论断

如果方法本身不新颖，但发现或评估协议具有新意，请明确说明。

阶段 5：外部机器人学评审

调用：

/research-review "[top idea with robotics framing, embodiment, benchmark, baselines, pilot plan, evaluation metrics, and sim2real/hardware risks — review as CoRL/RSS/ICRA reviewer]"

将评审者设定为资深的 CoRL / RSS / ICRA 评审。请其重点关注：

• 这项贡献对机器人学而言是否真正新颖，而不仅仅是对 ML 而言新颖
• 要使结果可信，最低限度需要哪些基准测试
• sim2real 的论述是否合理
• 缺少哪些基线或失败分析
• 该想法能否在现实的基础设施约束下成立

根据评审者提出的最低可行证据方案更新报告。

阶段 6：最终报告

将报告写入或更新到 idea-stage/IDEA_REPORT.md，采用机器人学专用结构，以便与后续工作流保持兼容。

# Robotics Idea Discovery Report

**Direction**: $ARGUMENTS
**Date**: [today]
**Pipeline**: research-lit → idea-creator (robotics framing) → novelty-check → research-review

## Robotics Problem Frame
- Embodiment:
- Task family:
- Observation / action interface:
- Available assets:
- Constraints:

## Landscape Matrix
[grouped by embodiment, benchmark, and bottleneck]

## Ranked Ideas

### Idea 1: [title] — RECOMMENDED
- Embodiment:
- Benchmark / simulator:
- Bottleneck addressed:
- Pilot type: sim / offline / real
- Positive signal:
- Novelty:
- Reviewer score:
- Hardware risk:
- Next step:

## Eliminated Ideas
- [idea] — killed because benchmark unclear / hardware inaccessible / novelty weak / no fair evaluation

## Evidence Package for the Top Idea
- Required baselines:
- Required metrics:
- Required failure cases:
- Whether real robot evidence is mandatory:

## Next Steps
- [ ] Implement sim-first pilot
- [ ] Run /novelty-check on the final idea wording
- [ ] Only after approval: consider hardware validation

关键规则

• 模拟优先。 硬件绝不是默认选项。
• 必须明确指定基准测试。 没有基准测试，就不是严肃的想法。
• 评估必须包含失败情况。 仅有成功率还不够。
• 具身形态很重要。 不要假设某种机器人上的结果可以迁移到另一种机器人上。
• 避免基础模型作秀。 新颖术语不等于新颖性。
• 基础设施的现实性很重要。 操作员时间、重置负担和安全性都属于研究约束。
• 如果贡献主要在于诊断或评估，请明确说明。 这仍然可能达到发表标准。

与后续工作的衔接

此工作流确定出有潜力的机器人学想法后：

/idea-discovery-robot "direction"   ← you are here
implement sim-first pilot
/run-experiment                     ← if infrastructure exists
/auto-review-loop "top robotics idea"

如果目前还没有模拟器或基准测试，请停在报告阶段，并询问用户是要构建基础设施，还是转向更容易执行的想法。

输出协议

所有输出文件均须遵循以下共享协议：

• 输出版本控制协议 — 先写入带时间戳的文件，再复制到固定名称
• 输出清单协议 — 将每项输出记录到 MANIFEST.md
• 输出语言协议 — 遵循项目的语言设置