WorldSense 技术笔记
文章
分类
归档
关于
GitHub
English
文章分类
教程 (5)
具身智能 (23)
Embodied AI (1)
Policy Learning (1)
策略学习 (1)
多模态感知 (2)
训练方法 (5)
论文解读 (5)
行业观察 (1)
世界模型 (32)
仿真 (3)
数据 (2)
Sim-to-Real (2)
强化学习 (2)
教程
(5篇)
把发布状态机跑起来：一台纯 stdlib 最小闭环与十七个 invariant
2026-09-25
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
2026-09-22
具身智能的工程架构：一个能跑、能测、能换组件的 Agent 骨架
2026-09-19
DreamerV3 训练技巧：从踩坑到收敛的实战经验
2026-08-11
从零搭建世界模型实验环境：MuJoCo + DreamerV3 实战指南
2026-08-05
具身智能
(23篇)
把发布状态机跑起来：一台纯 stdlib 最小闭环与十七个 invariant
2026-09-25
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
2026-09-22
具身智能的工程架构：一个能跑、能测、能换组件的 Agent 骨架
2026-09-19
政策侧接口（上）：Contract 立起来之后、VLA / Diffusion Policy / π0 到底吃什么？
2026-09-15
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
2026-09-14
只会看、不会摸：机器人为什么缺一双"手感"的手
2026-09-13
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
2026-09-12
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
2026-09-11
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
2026-09-10
机器人数据 Scaling：从 interaction coverage 到 marginal data value
2026-09-09
具身智能的数据全景（上篇）：来源、接口、distribution 与 training recipe
2026-09-08
VLA 深度解读（下）：VLA 与世界模型、开放问题与三个判断
2026-09-07
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？
2026-09-06
VLA 深度解读（中）：π₀ 家族与动作接口的演进
2026-09-05
VLA 深度解读（上）：从 RT-2 到 OpenVLA，端到端策略的基础与早期演进
2026-09-03
为什么说 2026 年，AI 在疯狂寻找物理外壳？
2026-08-16
Isaac Lab 入门：面向具身智能的 GPU 加速机器人学习平台
2026-08-14
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
2026-08-13
世界模型 + VLA：用想象力训练机器人
2026-08-06
具身智能、强化学习的前景如何？
2026-08-04
VLA vs 世界模型，谁主沉浮？
2026-08-04
你认为具身智能领域在2026年会有什么突破性进展？
2026-08-03
没有博士学位，也能进入具身智能领域吗？
2026-07-31
Embodied AI
(1篇)
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
2026-09-16
Policy Learning
(1篇)
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
2026-09-16
策略学习
(1篇)
政策侧接口（上）：Contract 立起来之后、VLA / Diffusion Policy / π0 到底吃什么？
2026-09-15
多模态感知
(2篇)
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
2026-09-14
只会看、不会摸：机器人为什么缺一双"手感"的手
2026-09-13
训练方法
(5篇)
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
2026-09-12
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
2026-09-11
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
2026-09-10
机器人数据 Scaling：从 interaction coverage 到 marginal data value
2026-09-09
具身智能的数据全景（上篇）：来源、接口、distribution 与 training recipe
2026-09-08
论文解读
(5篇)
VLA 深度解读（下）：VLA 与世界模型、开放问题与三个判断
2026-09-07
VLA 深度解读（中）：π₀ 家族与动作接口的演进
2026-09-05
从 RSSM 到现代 Latent Dynamics：世界模型的"引擎"如何演进
2026-09-04
VLA 深度解读（上）：从 RT-2 到 OpenVLA，端到端策略的基础与早期演进
2026-09-03
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
2026-09-02
行业观察
(1篇)
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？
2026-09-06
世界模型
(32篇)
从 RSSM 到现代 Latent Dynamics：世界模型的"引擎"如何演进
2026-09-04
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
2026-09-02
世界模型 2026：从 Cosmos、Genie 到 JEPA 的路线分化
2026-09-01
从 Dreamer 到世界模型智能体：未来方向与研究趋势
2026-08-31
Dreamer 的应用实践：从仿真控制到 Sim-to-Real
2026-08-30
DreamerV3 GPU 选型指南：从显存需求到性价比分析
2026-08-29
DreamerV3 训练工程实践：从 GPU 配置到超参调优
2026-08-28
Dreamer 的 Actor-Critic：想象空间里的策略优化是怎么工作的？
2026-08-27
机器人世界模型到底在做什么？从感知到行动的完整链路
2026-08-26
读懂 Dreamer：世界模型是怎么学会'想象'的？
2026-08-25
从代码理解 RSSM（六）：默认配置、四条公式与代码↔数学↔语义对照
2026-08-24
从代码理解 RSSM（五）：Imagine、Observe/Imagine 区别、序列训练与 Reset
2026-08-23
从代码理解 RSSM（四）：KL balancing、Free Nats 与最终 KL 组合
2026-08-22
从代码理解 RSSM（三）：确定性转移 _core()、deter=8192 与 Block GRU
2026-08-21
从代码理解 RSSM（二）：先验/后验、straight-through 采样与 unimix
2026-08-20
从代码理解 RSSM（一）：RSSM 在 DreamerV3 中的位置与 stochastic 状态
2026-08-19
世界模型风口被放大了：技术辨析与冷思考
2026-08-18
跑 DreamerV3 该租云 GPU 还是自建工作站？一个工程师的成本账
2026-08-17
世界模型架构演进：RSSM、Transformer 与统一世界模型
2026-08-12
DreamerV3 训练技巧：从踩坑到收敛的实战经验
2026-08-11
世界模型如何表示世界：四条表征路线与机器人适应能力
2026-08-10
TD-MPC：世界模型如何用于机器人控制？
2026-08-07
世界模型 + VLA：用想象力训练机器人
2026-08-06
从零搭建世界模型实验环境：MuJoCo + DreamerV3 实战指南
2026-08-05
从1分钟到24小时：ABot-World-0突破的核心意义
2026-08-05
Sim-to-Real太难？世界模型驱动的自适应迁移方法
2026-08-05
VLA vs 世界模型，谁主沉浮？
2026-08-04
世界模型（world model）当下是一个好的方向吗？
2026-08-03
回看世界模型8年进展，始终没突破的瓶颈是什么？
2026-08-03
2026年，「世界模型」会是下一个AI风口么？
2026-08-03
RSSM状态空间模型详解：世界模型的核心引擎
2026-08-02
什么是机器人世界模型？一个工程师的深度解读
2026-08-01
仿真
(3篇)
Isaac Lab 安装避坑指南：从零到跑通全流程
2026-08-15
Isaac Lab 入门：面向具身智能的 GPU 加速机器人学习平台
2026-08-14
机器人训练为什么需要虚拟世界？MuJoCo 和 Isaac Sim 全面对比
2026-08-09
数据
(2篇)
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
2026-08-13
世界模型 + VLA：用想象力训练机器人
2026-08-06
Sim-to-Real
(2篇)
域随机化（Domain Randomization）：机器人 Sim-to-Real 迁移的核心技术
2026-08-08
Sim-to-Real太难？世界模型驱动的自适应迁移方法
2026-08-05
强化学习
(2篇)
具身智能、强化学习的前景如何？
2026-08-04
强化学习应该怎么入门？写给有编程基础的工程师
2026-08-03