论文精读｜DexVLA：先练动作专家，再接入视觉语言模型
1 min read
DexVLA 把扩散动作专家扩到十亿参数，再通过三阶段训练接入视觉语言模型。重点看动作预训练、跨本体输出头和子步骤推理怎样配合，以及实验支持了哪些结论。
#具身智能
3 posts · page 1 of 1
论文精读｜ACT：用动作分块学习双臂精细操作
1 min read
从 ALOHA 的双臂示教出发，理解 ACT 如何结合动作分块、时序集成和条件 VAE，学习高频精细操作，并核对网络结构、训练细节与实验边界。
论文精读｜DP3：当 Diffusion Policy 遇上 3D 点云
1 min read
沿着观测表示、点云编码、扩散动作生成和实验验证，理解 DP3 为什么能用少量示范学习操作技能，以及三维表示的收益究竟来自哪里。