专栏 / 0111 篇文章
多模态与视觉
从图像与视频理解，到视觉语言模型和图像生成。
博客专栏
博客以介绍为主，不求甚解：沿着不同专栏的话题，认识一个概念、方法或工具。
博客目录 →专栏 / 028 篇文章
大模型与训练优化
理解模型结构、学习方法，以及训练与推理中的工程取舍。
专栏 / 034 篇文章
具身智能与世界模型
围绕机器人如何感知、行动与预测，串起数据、模型和控制。
专栏 / 046 篇文章
开发与工具实践
记录网站搭建、网络原理，以及日常工具的使用经验。
最新文章
共 29 篇视觉位置编码：RoPE、ALiBi 与 2D-RoPE 的 1 分钟速通
从 Transformer 为什么需要位置，到 RoPE 的旋转、ALiBi 的线性偏置和视觉 2D-RoPE 的行列坐标，理解图像与多模态模型如何知道 token 在哪里。
#视觉位置编码#RoPE#ALiBi#2D-RoPE#Vision Transformer#多模态模型
世界模型的三条路线：Dreamer、Genie 与 JEPA
从潜空间想象、像素级生成到抽象表征预测，理解世界模型如何预测未来、学习动作与支持规划。
#世界模型#Dreamer#Genie#JEPA#具身智能#强化学习#多模态模型
具身智能的数据从哪里来？遥操作、仿真、UMI 与 Ego 数据采集全解
从机器人遥操作、仿真合成、UMI 手持夹爪到 Ego 第一视角数据，梳理具身智能数据采集的技术演变、适用场景与主要取舍。
#AI#具身智能#机器人#VLA#数据采集
机器人学习与最优控制：从 LQR、MPC 到 Isaac Sim、MuJoCo、SAPIEN 与 PyBullet
梳理 PID、LQR、iLQR、MPC、模仿学习与强化学习的关系，并比较 Isaac Sim/Isaac Lab、MuJoCo、SAPIEN 和 PyBullet 的定位、优势与适用场景。
#机器人学习#最优控制#仿真#Isaac Sim#MuJoCo#SAPIEN#PyBullet
从像素变换到世界模型：多模态数据增强的三层演进
以 SimCLR、VACoT、MIDAS、VISTA 和 Cosmos-Drive-Dreams 为线索，理解数据增强如何从改变像素发展到保持模态关系、扩展长视频并生成稀有场景。
#AI#多模态学习#数据增强#VLM#VLA