2026年7月23日
DreamZero 方法全解
摘要： DreamZero 方法全解：把视频世界模型变成零样本机器人策略 0. 先用一张图看懂 DreamZero DreamZero 的核心不是“先生成视频，再用另一个模型把视频翻译成动作”，而是： 让同一个视频扩散 Transformer 同时生成未来视频和与之对齐的机器人动作。 flowchart L 阅读全文
posted @ 2026-07-23 12:33 S-X-Q 阅读(13) 评论(0) 推荐(0)
LingBot-VA 方法全解
摘要： LingBot-VA：把“先想象，再行动”讲明白 1. 先用一句话理解 普通机器人策略是： 看到当前画面 -> 直接猜动作 LingBot-VA 是： 看到当前画面 -> 想象执行动作后，画面会怎样变化 -> 根据这个未来变化，决定应该执行什么动作 -> 执行一小段 -> 观察真实结果，再继续想象 阅读全文
posted @ 2026-07-23 12:31 S-X-Q 阅读(27) 评论(0) 推荐(0)
LingBot-VLA 2.0 方法详解
摘要： LingBot-VLA 2.0 方法详解：从观察到连续动作 0. 先用一张图看懂整个方法 LingBot-VLA 2.0 要学习的是一个条件生成问题： \[\text{多视角图像} + \text{语言指令} + \text{机器人当前状态} \longrightarrow \text{未来一段连续 阅读全文
posted @ 2026-07-23 10:23 S-X-Q 阅读(86) 评论(0) 推荐(0)
2026年7月22日
VLA-JEPA 方法详解
摘要： VLA-JEPA 方法详解 1. 核心直觉 VLA-JEPA 把动作分成两层：latent action 不是电机指令，而是“执行后世界会怎样变化”的隐式变量；embodied action 才是机器人真正执行的连续控制量。 flowchart LR A[当前多视角图像+指令] --> B[Qwen 阅读全文
posted @ 2026-07-22 15:25 S-X-Q 阅读(66) 评论(0) 推荐(0)
2026年7月21日
Cosmos 3 方法原理全解
摘要： Cosmos 3 通俗原理讲解：从 VLA 到统一世界模型 0. 先用一句话说清楚 如果把 Pi0.5 简化成： 看图 + 读指令 + 读机器人状态，然后用 Flow Matching 生成未来动作。 那么 Cosmos 3 可以理解成： 把“未来动作”扩展成“未来视频、声音和动作”，再让这些连续输 阅读全文
posted @ 2026-07-21 21:06 S-X-Q 阅读(16) 评论(0) 推荐(0)
DreamX-World 1.0原理详解
摘要： DreamX-World 1.0 小白图解 第一部分：先看懂“视频生成” 1. 视频到底是什么？ 1.1 视频就是连续播放的图片 flowchart LR F1["第 1 帧<br/>人抬起脚"] --> F2["第 2 帧<br/>人向前迈"] F2 --> F3["第 3 帧<br/>脚落地"] 阅读全文
posted @ 2026-07-21 12:28 S-X-Q 阅读(11) 评论(0) 推荐(0)
2026年7月20日
Fast-WAM 方法原理详解
摘要： Fast-WAM 方法原理详解：把“想象未来”留在训练中 0. 先用一分钟抓住全貌 Fast-WAM 要解决的不是“怎样更快地生成未来视频”，而是一个更根本的问题： World Action Model（WAM）的收益，到底主要来自训练时学习预测未来，还是来自推理时真的把未来视频生成出来？ 传统 W 阅读全文
posted @ 2026-07-20 19:57 S-X-Q 阅读(61) 评论(0) 推荐(0)
2026年7月17日
X-VLA 方法详解：用 Soft Prompt 统一异构机器人的视觉、语言与动作
摘要： X-VLA 方法详解：用 Soft Prompt 统一异构机器人的视觉、语言与动作 0. 先用一分钟抓住 X-VLA X-VLA 要解决的问题是：如何让同一个视觉-语言-动作模型，从不同机器人、不同相机、不同控制频率、不同动作空间的数据中学习，同时又能快速迁移到一台新机器人？ 它的答案可以压缩成四句 阅读全文
posted @ 2026-07-17 08:55 S-X-Q 阅读(25) 评论(0) 推荐(0)
2026年7月15日
DAM-VLA 方法原理讲解
摘要： DAM-VLA：从零理解异步多模态机器人策略 1. 一句话理解 DAM-VLA 机器人身上的不同信息，变化速度并不一样： 语言指令通常整个任务都不变； 相机画面变化较慢； 关节状态和接触力变化很快； 底层控制器还要持续发送动作。 传统 VLA 往往要求它们一起更新。DAM-VLA 的核心改动是： 让 阅读全文
posted @ 2026-07-15 16:47 S-X-Q 阅读(15) 评论(0) 推荐(0)
MemER 方法原理讲解
摘要： MemER 方法原理讲解 1. 一句话理解 MemER MemER 的核心思想是： 不要把机器人从开头到现在看到的所有画面都塞给模型，而是让一个高层视觉语言模型不断判断“现在该做哪个子任务”和“最近看到的哪些帧以后可能还要用”，再把这些被挑出来的关键帧作为长期视觉记忆喂回模型。 它解决的是长时程机器 阅读全文
posted @ 2026-07-15 11:22 S-X-Q 阅读(80) 评论(0) 推荐(0)
下一页