Wiki
开始
从机器人行动理解具身智能
理解有身体、在物理世界行动的智能为何不同于纯数字大模型,以及大模型进入机器人领域带来的变化。
01
莫拉维克悖论:为什么“简单”的事对机器人反而最难?
02
机器人如何“看懂”世界:从传感器信号到内部地图
03
让机器人动起来:从“算出来”到“练出来”
04
VLA(视觉-语言-动作)模型:大模型怎样进入身体
相关专题
AI Agent 开发
为什么智能体在无人值守时格外危险,以及怎么给它装护栏
为什么复杂任务撑不住:记忆与规划
深入 ReAct 循环内部:每一步到底是怎么转的
光线追踪怎样让画面更真实
从数小时到实时:光线追踪是怎么跑进游戏的
为什么Whitted光线追踪还不够:全局光照与路径追踪的诞生
一条光线的旅程:光线追踪凭什么让画面“突然变真”
Transformer 的注意力机制
Encoder/Decoder 堆叠、残差连接与 LayerNorm:Transformer 为什么能堆到很深
多头注意力与位置编码:Transformer 的两块基础拼图
自注意力核心运算:QKV 与缩放点积
看懂大模型能做什么
哪句话能直接用,哪句话必须自己查:核验 AI 回答的一条顺序
它其实不会上网:把“模型本身”和外面那层工具分开
同一句问题,为什么答案时好时坏:随机性、上下文,以及你能管的几件事