论文解读

HIL-UMI论文解读：用手持示范补齐机器人操作短板——对启元Q1机器人开发的启发机器人模型已经学过大量操作示范，到了具体桌面上，仍可能卡在方块对齐、抽屉开合这样的细节。继续补数据时，一个实际问题随之出现：有限的采集时间，应该花在哪些动作上？如果只是重复顺利完成任务的过程，模型最需要学习的情形可能仍然缺席。

不爱学英文的码字机器

FAST 论文解读：把700个动作token压到53个之后FAST论文里有一组很醒目的数字：双臂叠衣任务中，同样一秒的动作，逐点量化要700个token，FAST约为53个。

机器人如何把二维画面变成三维动作？ECCV 2026 3DWay 论文解读@TOC版权声明：本文为原创，遵循 CC 4.0 BY-SA 协议。转载请注明出处。ECCV 2026 3DWay 论文解读

猫先生Mr.Mao

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【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

具身智能之Dex-One2Many详解：一条人类视频如何变成多种灵巧手行为【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

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【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

大模型之Attention Is All You Need详解：Transformer如何用注意力重写序列建模【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

具身智能开放策略之Octo详解：开放策略如何把多机器人经验变成可微调的通用底座【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

ViT：把图像切成词之后，Transformer 如何进入计算机视觉本文是一篇原创中文论文解读，主要参考 D2L《Dive into Deep Learning》1.0.3 章节 Transformers for Vision，解读 Alexey Dosovitskiy 等人的经典论文 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale。D2L 书籍文本与图示采用 Creative Commons Attribution-ShareAlike 4.0 Internationa

猫先生Mr.Mao

具身智能真实数据之DROID详解：真实世界数据如何把机器人策略从实验室推向日常场景【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

SSD：单阶段多尺度目标检测的经典解读本文是基于 Dive into Deep Learning 中 “Single Shot Multibox Detection” 章节和 SSD 原始论文的原创中文解读，不是逐段翻译。文中复用的 D2L 图示遵循 D2L 文档的 CC BY-SA 4.0 授权；原始论文图片未搬运，仅作为技术背景引用。

猫先生Mr.Mao

具身智能跨本体学习之Open X-Embodiment详解：让22种机器人共享同一套操作经验【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

具身智能语言规划之SayCan详解：让大模型“会说”，也让机器人“能做”【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

GRU：用重置门与更新门简化序列记忆的经典解读本文是原创中文论文解读，主要参考 D2L 的英文章节 “Gated Recurrent Units (GRU)” 和 Cho 等人在 2014 年提出 RNN Encoder-Decoder 的经典论文。D2L 原文与图示采用 Creative Commons Attribution-ShareAlike 4.0 International License，文末列出来源与许可说明。

猫先生Mr.Mao

具身智能之UniJEPA详解：让机器人同时“听懂、预见、动起来”的统一表征学习【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

VGG：用小卷积块把 CNN 做深的经典解读本文是一篇原创中文论文解读，参考 Dive into Deep Learning 的 “Networks Using Blocks (VGG)” 章节，并回到 Simonyan 与 Zisserman 的经典论文 Very Deep Convolutional Networks for Large-Scale Image Recognition。原文与图示来源、许可说明见文末。

猫先生Mr.Mao

世界模型之HY-World 2.0详解：生成完还能走进去——如何把文本、照片和视频变成可探索的 3D 世界【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

Agent Loop 入门到深入：从 ReAct 到 LangGraph、Agents SDK 与 MCP这两年 “Agent” 这个词被用得很满：聊天机器人叫 agent，工具调用叫 agent，自动写代码叫 agent，多角色协作也叫 agent。真正值得抓住的不是名词，而是背后的循环结构：模型不再只是一次性回答，而是在“观察、思考、行动、再观察”的闭环里逐步推进任务。

就是一顿骚操作

Dropout：神经网络正则化的经典解读本文是对经典论文与 D2L 相关章节的原创中文解读，不是逐段翻译。参考来源、作者与许可说明见文末。深度神经网络最早给人留下的一个矛盾印象是：它们表达能力很强，也因此很容易把训练集里的偶然噪声当成规律。参数越多，模型越能记住训练样本；数据量不足时，这种“聪明”反而会变成脆弱。

就是一顿骚操作

Hermes Agent 入门到深入：会学习的开源 AI Agent 是怎么工作的这两天检索 “hermes-agent” 会发现一个很有意思的现象：它已经不只是 Nous Research 的一个 agent 项目，而是开始出现在一批周边工具、桌面壳、记忆系统、代码知识图谱和自托管平台的兼容列表里。