Skip to content

VLA 零到一：兼容入口

本路径为历史链接保留，权威课程已经升级为双语专项：

新课程不绑定单一模型或固定硬件配置，而是从数据、动作和控制合同出发，依次讲解：

  1. 图像、语言、本体状态与动作的时间对齐；
  2. 视觉编码、语言条件和多模态融合；
  3. 单步回归、动作块、离散 Action Token、Diffusion 与 Flow Matching；
  4. 从头训练、参数高效微调与全量微调的适用条件；
  5. 数据量、算力、时延、动作多模态性和语言泛化要求如何影响算法选择；
  6. Tiny-set Overfit、语言/视觉消融、闭环任务评估与安全边界；
  7. 进入科研时需要的匹配基线、消融矩阵和否证条件。

可执行入口

python scripts/run_knowledge_map.py --path-to learning-vla --lang zh
python scripts/run_pipeline.py --show vla-policy
python scripts/run_pipeline.py --run vla-policy
python scripts/select_vla_wam_algorithm.py --goal multimodal-action --compute single-gpu --data multi-task --latency soft

本地 PushCube 路径只是教学型闭环基线，不是对 OpenVLA、π0、SmolVLA 或其他大规模 VLA 的复现，也不支持 SOTA 或真机性能结论。请按验证规范区分接口、合成 Smoke Test、教学基准与真机证据。