相关推荐
猫先生Mr.Mao2 天前
具身智能之京东 WLA³详解：用世界状态转换统一人类视频和机器人动作朝朝辞暮i3 天前
第 22 课：Conditional 1D U-Net——Diffusion Policy 怎样理解一整段未来动作？朝朝辞暮i4 天前
VLA 系统学习第 21 课——DDPM 与 Noise Scheduler：扩散模型究竟怎样从随机噪声生成机器人动作？猫先生Mr.Mao5 天前
具身智能之Open X-Embodiment详解：22种机器人数据如何训练出RT-X的跨本体迁移朝朝辞暮i5 天前
VLA 系统学习第 20 课——Diffusion Policy 为什么要先给动作加噪，再学习把噪声去掉？朝朝辞暮i5 天前
第一部分：ACT 阶段总结——从 Behavior Cloning 到完整的 Transformer Action Policy朝朝辞暮i6 天前
VLA 系统学习第 17 课：正式进入 ACT——为什么需要 CVAE、潜变量 z 和 KL Loss？朝朝辞暮i8 天前
VLA 系统学习第 3 课：从一次机器人示范，到真正送进神经网络的 Batch朝朝辞暮i9 天前
VLA 系统学习第 4 课：一个 Batch 进入神经网络后，模型到底是怎么“学会”的？朝朝辞暮i9 天前
VLA 系统学习第 7 课：loss.backward() 到底做了什么？——从计算图到反向传播