具身智能
2026
36
- 思考探索：具身智能的数据鸿沟：先对齐，再扩规模
- 思考探索：具身智能的可纠错状态链：动作之外，系统还要记录什么
- 强化学习：VLA、机器人与闭环强化学习
- 具身智能：机器人运动学与 DH 参数：从关节状态算到末端位姿
- 具身智能：坐标变换与手眼协调：把相机观测接到机器人动作
- 论文专题讲解：RoboDojo：把仿真诊断与真实部署放进同一张成绩单
- 论文专题讲解：GenCeption：视频生成模型如何成为通用视觉学习器
- 论文专题讲解：DM0.5：开放世界具身基础模型
- 论文专题讲解：Qwen-RobotManip：先对齐再扩规模的机器人操作基础模型
- 思考探索：世界模型驱动的机器人数据飞轮：能持续生产经验的系统，才是真正的基础设施
- 论文专题讲解：Motus：把 latent action、世界模型和 VLA 合到一个生成框架
- 论文专题讲解：VGGT-Ω：几何重建怎样变成具身空间表征
- 论文专题讲解：Fast-WAM：WAM 一定要推理时想象未来吗
- 论文专题讲解：D4RT：动态场景的 4D 重建与跟踪
- 论文专题讲解：kai0：资源受限下的高可靠机器人操作
- 具身智能：机器人数据里的 `state` 和 `action`：不要被字段名骗了
- 论文专题讲解：World Model for Robot Learning：机器人学习世界模型综述
- 知识问答：具身智能与 VLA QA
- 知识问答：多模态与生成模型 QA
- 论文专题讲解：MapAnything：统一前向 Metric 3D 重建骨干
- 论文专题讲解：VO-DP：RGB-only 扩散策略怎样借用语义和几何特征
- 具身智能：双目匹配与 Cost Volume：把深度先变成对应点问题
- VLM/VLA：最小数学：理解、行动与预测后果
- 世界模型：VLA 到世界模型：一条机器人闭环链路怎么搭
- 世界模型：机器人与自动驾驶中的世界模型
- VLM/VLA：世界模型高效训练接口
- VLM/VLA：视觉 Tokenizer 与连接器：视觉证据怎样被压成可用 token
- VLM/VLA：视频表征、状态记忆与长时序压缩
- VLM/VLA：多模态评测与失败模式
- VLM/VLA：架构：视觉证据怎样进入语言模型
- VLM/VLA：部署与安全
- VLM/VLA：数据与策略学习：从示范轨迹到闭环策略
- VLM/VLA：闭环恢复与失败分析
- VLM/VLA：评测与数据引擎
- VLM/VLA：动作表示与控制接口：模型输出怎样变成机器人动作
- VLM/VLA：动作分块、层级策略与潜在技能
2025
28
- 思考探索：具身智能现状：VLA、数据工厂与真实闭环
- 量化：多模态与 VLA 模型量化
- 论文专题讲解：Embodied World Model Survey：具身世界模型综述
- 论文专题讲解：Video Prediction Policy：预测视觉表征训练机器人策略
- 论文专题讲解：VGGT：一次前向推理怎样恢复相机、深度、点云与轨迹
- 论文专题讲解：SpatialVLA：3D 空间表征接入 VLA
- 论文专题讲解：RT-2：把 web-scale VLM 变成会输出动作的 VLA
- 论文专题讲解：π0.5：开放世界 VLA
- 论文专题讲解：GR-3：少样本长时程 VLA
- 论文专题讲解：GR-2：Web 视频知识怎样迁移到机器人操作
- 论文专题讲解：DreamZero：世界动作模型为什么可以做零样本策略
- 论文专题讲解：Depth Anything：无标注图像怎样变成单目深度基础模型
- 论文专题讲解：Depth Anything V2：单目深度的数据配方
- 论文专题讲解：Depth Anything 3：任意视角的 3D 几何底座
- 具身智能：VLA、WAM 与世界模型系统图：谁负责什么
- 具身智能：VLA 数据、模型与评测：机器人数据到底该怎么读
- 具身智能：具身任务谱系与评测
- 具身智能：Sim2Real 与具身数据引擎：真实失败怎样变成下一轮能力
- 具身智能：Rerun：具身智能的多模态时序数据层
- 具身智能：具身规划、控制与安全：高层动作为什么还要过安全层
- 具身智能：Isaac Sim 与 RoboTwin 仿真数据链
- 具身智能：人机协作与交互评测
- 具身智能：家庭机器人流程与失败排查
- 具身智能：具身部署模式与安全案例
- 具身智能：一个任务跑通具身闭环：从看见到失败回流
- 具身智能：相机、深度与机器人视觉：图像怎样接回 3D 世界
- 具身智能：基础：观测、动作与反馈闭环
- 具身智能：资产到轨迹：机器人数据生产线怎么跑通
1