文章归档

共 58 篇文章

2026

九月

• 09-25 把发布状态机跑起来：一台纯 stdlib 最小闭环与十七个 invariant
• 09-22 具身智能的部署与运维：换组件不是发一次版本，是养一台状态机
• 09-19 具身智能的工程架构：一个能跑、能测、能换组件的 Agent 骨架
• 09-16 政策侧评估（下）：如何测、如何训、如何落地——四类 compliance evidence 与最小可执行接口
• 09-15 政策侧接口（上）：Contract 立起来之后、VLA / Diffusion Policy / π0 到底吃什么？
• 09-14 拼起来不等于看懂：机器人多模态融合缺的不是模型、是接口
• 09-13 只会看、不会摸：机器人为什么缺一双"手感"的手
• 09-12 具身智能 Sim-to-Real 方法论（三）：评估体系、决策矩阵与最小可执行 Protocol
• 09-11 具身智能 Sim-to-Real 方法论（二）：四把手术刀与两条改写问题的新路线
• 09-10 具身智能 Sim-to-Real 方法论（一）：把"从仿真到真实"当成一次误差预算分配
• 09-09 机器人数据 Scaling：从 interaction coverage 到 marginal data value
• 09-08 具身智能的数据全景（上篇）：来源、接口、distribution 与 training recipe
• 09-07 VLA 深度解读（下）：VLA 与世界模型、开放问题与三个判断
• 09-06 2026 具身智能技术路线图：从 VLA 到世界模型，谁在解决什么问题？
• 09-05 VLA 深度解读（中）：π₀ 家族与动作接口的演进
• 09-04 从 RSSM 到现代 Latent Dynamics：世界模型的"引擎"如何演进
• 09-03 VLA 深度解读（上）：从 RT-2 到 OpenVLA，端到端策略的基础与早期演进
• 09-02 JEPA 深度解读：从 I-JEPA 到 V-JEPA 2-AC，预测性表征如何走向世界模型
• 09-01 世界模型 2026：从 Cosmos、Genie 到 JEPA 的路线分化

八月

• 08-31 从 Dreamer 到世界模型智能体：未来方向与研究趋势
• 08-30 Dreamer 的应用实践：从仿真控制到 Sim-to-Real
• 08-29 DreamerV3 GPU 选型指南：从显存需求到性价比分析
• 08-28 DreamerV3 训练工程实践：从 GPU 配置到超参调优
• 08-27 Dreamer 的 Actor-Critic：想象空间里的策略优化是怎么工作的？
• 08-26 机器人世界模型到底在做什么？从感知到行动的完整链路
• 08-25 读懂 Dreamer：世界模型是怎么学会'想象'的？
• 08-24 从代码理解 RSSM（六）：默认配置、四条公式与代码↔数学↔语义对照
• 08-23 从代码理解 RSSM（五）：Imagine、Observe/Imagine 区别、序列训练与 Reset
• 08-22 从代码理解 RSSM（四）：KL balancing、Free Nats 与最终 KL 组合
• 08-21 从代码理解 RSSM（三）：确定性转移 _core()、deter=8192 与 Block GRU
• 08-20 从代码理解 RSSM（二）：先验/后验、straight-through 采样与 unimix
• 08-19 从代码理解 RSSM（一）：RSSM 在 DreamerV3 中的位置与 stochastic 状态
• 08-18 世界模型风口被放大了：技术辨析与冷思考
• 08-17 跑 DreamerV3 该租云 GPU 还是自建工作站？一个工程师的成本账
• 08-16 为什么说 2026 年，AI 在疯狂寻找物理外壳？
• 08-15 Isaac Lab 安装避坑指南：从零到跑通全流程
• 08-14 Isaac Lab 入门：面向具身智能的 GPU 加速机器人学习平台
• 08-13 机器人数据为什么比大模型数据更难？具身智能的数据闭环挑战
• 08-12 世界模型架构演进：RSSM、Transformer 与统一世界模型
• 08-11 DreamerV3 训练技巧：从踩坑到收敛的实战经验
• 08-10 世界模型如何表示世界：四条表征路线与机器人适应能力
• 08-09 机器人训练为什么需要虚拟世界？MuJoCo 和 Isaac Sim 全面对比
• 08-08 域随机化（Domain Randomization）：机器人 Sim-to-Real 迁移的核心技术
• 08-07 TD-MPC：世界模型如何用于机器人控制？
• 08-06 世界模型 + VLA：用想象力训练机器人
• 08-05 从零搭建世界模型实验环境：MuJoCo + DreamerV3 实战指南
• 08-05 从1分钟到24小时：ABot-World-0突破的核心意义
• 08-05 Sim-to-Real太难？世界模型驱动的自适应迁移方法
• 08-04 具身智能、强化学习的前景如何？
• 08-04 VLA vs 世界模型，谁主沉浮？
• 08-03 世界模型（world model）当下是一个好的方向吗？
• 08-03 强化学习应该怎么入门？写给有编程基础的工程师
• 08-03 你认为具身智能领域在2026年会有什么突破性进展？
• 08-03 回看世界模型8年进展，始终没突破的瓶颈是什么？
• 08-03 2026年，「世界模型」会是下一个AI风口么？
• 08-02 RSSM状态空间模型详解：世界模型的核心引擎
• 08-01 什么是机器人世界模型？一个工程师的深度解读

七月

• 07-31 没有博士学位，也能进入具身智能领域吗？