文章归档

共 34 篇文章

2026

八月

• 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？
• 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？