解读智元 GO-3 Preview：WRAM 统一「推理-预测-动作」，全链路规模化学习登顶三榜——创新日全信息发布与 GO 家族三代演进（附现场图与便利店演示 GIF）
精读 Ctrl-World：把 VLA 放进「可控世界模型」里想象着测、想着改——ICLR 2026 + 官方仓库 4 条跑法与演示全收录
精读 SuperMimic：一个可微世界模型省下 1000× GPU 时——1 卡 3 小时超过 SONIC 128 卡 7 天，附社区复现仓库全景
精读 OpenWAM（2609.07398）：把世界-动作模型预训练做成「受控实验程序」——Infra/Study/α 三层栈、六问三结论，14 张官网+论文插图全讲
深度调研：具身智能的强化学习到底怎么做？——SONIC 运动跟踪基础模型、VLA 的 RL 后训练谱系与 FluxVLA Engine 工程栈，11 张论文插图逐图讲
精读 ABot-AgentOS：给机器人装一套「Agent 操作系统」——边云双脑、图式终身记忆、失败驱动自进化
精读 RoboOS-NeXT：多机器人的「大脑-小脑-共享记忆」调度框架——STEM 记忆让长序列任务从崩溃到 75%
精读 GR00T N1.7 技术报告：把迭代 DiT 动作头换成「一步漂移」——快 9 倍，但 LIBERO 成功率系统性掉分
精读 RoboDojo：42 仿真 + 18 真机的「统一操纵评测场」——人类专家 76% 成功率，最佳策略当时只有 8.8%
精读 19 个具身仿真 Benchmark：任务是什么、仿真还是真机、怎么测——55 张插图逐张讲透（含 OpenWAM 评测栈五榜补充，与 RoboDojo 串成评测全景）
精读 WorldScape Policy 2.0：给 WAM 装上「推理增强的长短期记忆」——RoboTwin 平均 94.3%，真机 PiPER 也稳
精读 EmbodiedEvo：让编程 Agent 在一个 Playground 场景里「长经验」，冻住交给新场景——RoboDojo-Sim 37.82% 超全部官方已验证结果
精读 OpenWAM（斯坦福）：把「视频与动作怎么配合」做成四个可切换开关——同一底座跑联合/先视频/先动作/解耦，反事实动力学让冻结组件跨任务复用到 84%
精读 X2Real：给通用机器人策略造一个「可信考场」——真机-仿真 0.84 相关性、10 维能力 44 任务、还能防「刷榜」
精读 HexaShell：不训练、不演示，纯靠编程 Agent「修 Bug」——给机器人造工具，打到 46.9% SOTA
精读 LoopWAM：失败的轨迹不是垃圾数据——闭环自进化，三轮把成功率从 23.7% 提到 43.3%
精读 UniWAM：把「会推理的 VLM」和「懂物理的视频模型」焊在一起——统一世界-行动模型
精读 WorldOracle：给世界模型出的那道「对答案」题——预测的未来和现实一致吗？
精读 PrismWAM：把「世界长什么样」和「世界怎么变」拆开——语义规划 + 深度物理推演
精读 Flash-WAM：为什么把视频和动作一起蒸馏会崩——模态感知的一致性蒸馏
精读 VPP2：先学会预测未来，再学动作——14B 视频策略零样本超过 64B Cosmos3（附开源权重）
精读 DreamZero：世界行动模型就是零样本策略，14B 跑到 7Hz 实时闭环
Cosmos 3微调真机落地路线图｜从抓可乐到会议室整理：WAM后训练的工程方法论
知识点拆解｜具身智能WAM全景分析：从DreamZero到FLUX 3 Action，谁在做世界行动模型
论文精读｜π0.5：混合动作表示 + 两级推理，让 VLA 在完全没见过的房子里打扫卫生
精读 FLUX 3 Action：7B 世界行动模型，精度和速度同时登顶 RoboLab
具身智能入门全指南｜自动驾驶工程师转具身的 8 周学习路径 + 论文地图
论文精读｜Zetta 与 EmbodiRSI：机器人自己给自己修 bug——递归自我改进（RSI）走进物理世界
论文精读｜GigaWorld-0：世界模型当「数据引擎」，零真实交互训练 VLA
自动驾驶面试深度复习：RiskField-VLA + TrustDrive-WAM + JEPA-DRIVE 三大项目全拆解
FASTSim 代码讲解：测所有车能耗的功率train仿真器——Rust 内核 + Python API 全拆解
RDT & RDT-2 精读：扩散模型如何成为机器人基础模型的核心引擎
RiskWorld 论文精读：以目标为中心的潜在世界模型，用于自动驾驶风险识别
论文精读｜Qwen-Drive-1.0：阿里通义首个驾驶视觉-语言基础模型
SimWAM 代码完整解读：从 Video DiT 到 Action DiT，从 SFT 到 FlowGRPO 的逐行拆解
论文精读｜DriveVLA-M0：失败感知的记忆增强，让 VLA 学会吃一堑长一智
论文精读｜Percept-WAM：把 2D/3D 感知’种’进 VLM 里的感知增强世界动作模型
论文精读｜BrainWAM：大脑式’动作空间协调’——把 VLA 语义先验和 WAM 预测动态拧成一股绳
论文精读｜Metis：用’非对称注意力掩码’把视频生成与动作预测解耦的世界动作模型
论文精读｜SimWAM：把世界模型当’训练老师’，用 Flow-GRPO 让 Action Expert 学会’自己开车'
端到端自动驾驶模型架构全解：从感知到规划的六大范式与 80+ 模型逐篇拆解
纯视觉端到端模型在 Cosmos 风格迁移加持下的 NAVSIM 大规模评测：11 个开源模型全景
自动驾驶学习路径总目录｜用我的论文精读串成的金字塔地图
损失函数完全指南：从 L1 到 GRPO——端到端自动驾驶中的 Loss 设计哲学
论文精读｜DriveTransformer：统一Transformer——告别BEV，拥抱稀疏Token并行交互
论文精读｜TransFuser：用 Transformer 做传感器融合——让相机和激光雷达"商量着开车"
论文精读｜PARA-Drive：完全并行的端到端架构，把感知预测规划"同时跑"
Flow-GRPO 完全讲解：训练/推理/梯度流/Loss 设计的逐行拆解
论文精读｜iPad: Iterative Proposal-centric End-to-End Autonomous Driving
论文精读｜DrivoR: Driving on Registers — 基于寄存器token的高效端到端自动驾驶
Cosmos 3 代码讲解：Mixture-of-Transformers 双塔统一五模态世界模型
论文精读｜LIBERO：面向终身机器人学习的知识迁移基准
论文精读｜RT-1：Robotics Transformer——大规模真实机器人数据驱动的策略学习
论文精读｜PaLM-E：具身多模态语言模型——让机器人理解真实世界
论文精读｜SayCan：让大型语言模型在机器人上落地执行
论文精读｜Gato：DeepMind的通用智能体——一个网络玩转604种任务
论文精读｜Open X-Embodiment：跨机器人大规模数据集与RT-X模型
论文精读｜DROID：大规模真实世界机器人操作数据集
论文精读｜RH20T：面向拟人全身控制的机器人操作数据集
论文精读｜Octo：开源通用机器人策略——大规模多任务机器人基础模型
论文精读｜OpenVLA：开源视觉-语言-动作模型——VLA走向开放生态
论文精读｜DreamerV3：通过世界模型掌握多样领域——通用强化学习智能体
论文精读｜UniSim：学习交互式真实世界模拟器——生成式世界模型
论文精读｜EmbodiedGPT：基于具身思维链的视觉-语言预训练
论文精读｜VIMA：基于多模态提示的通用机器人操作——多模态大模型驱动机器人
论文精读｜MOO：基于预训练视觉-语言模型的开放世界物体操作
论文精读｜LeRobot：让机器人学习触手可及——HuggingFace的开源机器人学习框架
论文精读｜具身智能VLA模型综述：从视觉-语言到动作生成的技术全景
论文精读｜具身智能：形态、动作、感知与学习的协同——全面综述
论文精读｜虚实对齐：具身智能的全面综述——从仿真到真实的迁移
个人思考｜VLA 都有了视觉编码器，为什么还需要感知模块？
个人思考｜自动驾驶感知模块全景：从传感器到BEV再到占用网络，到底在感知什么
个人思考｜自动驾驶技术全景学习指南：从基础到前沿的六范式知识体系
论文精读｜SparseOccVLA：稀疏占用查询桥接 Occupancy 与 VLM，实现统一 4D 场景理解与规划
个人思考｜JEPA-DRIVE：用联合嵌入预测架构做自监督驾驶决策
论文精读｜LinkVLA：统一语言-动作理解与生成的 VLA 架构
论文精读｜ST4VLA：空间引导训练实现鲁棒的视觉-语言-动作模型
论文精读｜NoRD：无需推理的高效数据驱动 VLA
论文精读｜VLA Safety Survey：视觉-语言-动作模型安全的全面综述
论文精读｜DLWM：双潜在世界模型实现高斯中心的全方位预训练
论文精读｜RAW2Drive：对齐世界模型的强化学习端到端驾驶
论文精读｜MOSAIC：面向端到端自动驾驶的缩放感知数据选择
Cosmos-3 + MoE + Flow-GRPO 架构概览
思考｜重卡 VLA 是一个巨大的研究空白——兼论 Truck-VLA 架构设计
个人思考｜强化学习 + 生成式轨迹规划：四种范式、核心挑战与未来方向
论文精读｜AlpaMayo-R1：因果推理链 + RL 驱动的 VLA 驾驶策略
AlpaMayo-R1 代码讲解：VLM 说推理链、Expert 雕轨迹、一个模型两套头
论文精读｜TransDiffuser：去相关多模态表示驱动的扩散式轨迹生成
论文精读｜AutoVLA：用自适应推理与 GRPO 微调统一「思考」与「动作」的端到端 VLA
论文精读｜MAN TruckScenes — 第一个面向重卡自动驾驶的多模态数据集，把 4D 雷达做成 360° 全覆盖
论文精读｜TruckV2X：首个以重卡为中心的 V2X 车路协同感知数据集，专治盲区与挂车遮挡
论文精读：Longitudinal Safety Distance Control Considering Cargo Load（ICVES 2025）——RSS 安全距离模型为什么漏算了满载重卡的刹车
AutoVLA 代码讲解：把「开车」变成「说动作 token」并用 GRPO 微调
Diffusion Planner 代码讲解：轨迹级扩散 + 免训练能量引导
Diffusion Policy 代码讲解：用 DDPM 给机器人「生成」一连串动作
pi0 代码讲解：通用 VLA 的「VLM 主干 + Flow Matching 动作专家」
UniAD 代码讲解：端到端自动驾驶的「全栈 Transformer」是怎么拼起来的
VAD 代码讲解：把场景「矢量化」后，端到端能有多轻
代码讲解：DiffusionDrive 从架构到训练推理的完整闭环
代码讲解：DiffusionDriveV2 — 用 GRPO 强化学习给截断扩散的多样轨迹「上安全锁」
代码讲解：DriveVLA-W0 世界模型如何给 VLA 大模型补上稠密监督
代码讲解：SparseDriveV2 因子化轨迹词汇表与两级评分的完整闭环
论文精读：Drive-JEPA — Video JEPA 预训练 + 多模态轨迹蒸馏的端到端驾驶
论文精读：GTRS — 通用轨迹评分（CVPR25 自动驾驶挑战赛冠军）
论文精读：WoTE — 用 BEV 世界模型做在线轨迹评估的端到端驾驶
论文精读｜Anti-rollover APF — 用五自由度动力学 + 侧翻排斥势场，让重卡规划阶段就避开翻车
论文精读｜TruckDrive — 面向重卡的长距离高速公路感知数据集，把感知边界推到 1000 米
场景理解与Failure Analysis：定位自动驾驶的边界
仿真器搭建与闭环测试：从CARLA到SIL/HIL
主流自动驾驶方案对比：FSD vs Momenta vs 华为 vs 小鹏
VLA大模型训练技巧：混合精度×梯度检查点×序列并行
论文精读｜DriveVLA-W0：世界模型放大自动驾驶数据缩放律
NAVSIM 详解：自动驾驶规划的事实标准评测基准
论文精读｜NVIDIA Cosmos 3：全模态世界基础模型开启物理AI新纪元
Flow-GRPO 详解：流匹配策略的强化学习优化
论文精读｜SparseDriveV2：Scoring is All You Need——可扩展轨迹词表与打分
JEPA 详解：LeCun 的联合嵌入预测架构与自动驾驶应用
论文精读｜DiffusionDrive：扩散模型驱动的端到端轨迹规划
AlpaSim 详解：面向强化学习的自动驾驶仿真评测框架
论文精读｜ReCogDrive：小米EV强化认知端到端自动驾驶框架
论文精读｜Qwen-VLA：阿里通义千问统一视觉-语言-动作基础模型
知识点拆解｜GRPO 强化学习方法详解：从 DeepSeek 到自动驾驶
论文精读｜EMMA：Waymo的多模态端到端驾驶大模型
知识点拆解｜PPO 算法深度拆解：从 Policy Gradient 到 GRPO 的进化之路
知识点拆解｜VLM 视觉语言模型入门详解：从 CLIP 到 GPT-4V
知识点拆解｜自动驾驶强化学习中的 Reward 函数设计详解
NVIDIA DRIVE平台详解：从Orin到Thor
论文精读｜GoalFlow：目标引导流匹配轨迹生成
知识点拆解｜大语言模型基础详解：Transformer、MoE 与 Scaling Law
知识点拆解｜离线强化学习详解：从 CQL、IQL 到自动驾驶 VLA
知识点拆解｜RLHF 与偏好对齐详解：从大模型到自动驾驶驾驶风格学习
知识点拆解｜多模态对齐与指令微调详解：从 VLM 到 VLA 的关键桥梁
论文精读｜DriveVLM-W0 与 DriveWLM 系列：世界模型如何点亮驾驶大模型
知识点拆解｜Chain-of-Thought 推理详解：让 VLA 学会’先思考再行动'
知识点拆解｜Scoring-based 规划范式详解
知识点拆解｜逆强化学习详解：从专家演示中学会’为什么这么开'
论文精读｜Diffusion Planner：把轨迹规划重定义为扩散式未来生成
知识点拆解｜Transformer与注意力机制基础
论文精读｜AlphaDrive：GRPO 强化学习唤醒驾驶推理与多模态规划
论文精读｜Sparse4D：全稀疏多摄像头 3D 感知的三连击
知识点拆解｜视频生成模型基础详解：VQVAE、扩散模型与DiT
论文精读｜Last-VLA：小米的视觉-语言-动作模型
知识点拆解｜驾驶世界模型全景详解：分类、代表工作与发展脉络
知识点拆解｜条件扩散模型详解：引导方法与条件注入技术
论文精读｜Senna：用 VLM 给端到端驾驶装上’大脑'
知识点拆解｜Flow Matching 与扩散模型统一视角：从 SDE 到 ODE 的生成范式
论文精读｜Gen-Drive：扩散模型生成 + 强化学习精调的驾驶策略
论文精读｜BEVFormer：时空 Transformer 玩转多摄像头 BEV 感知
论文精读｜DriveDreamer：构建真实驾驶场景的世界模型
论文精读｜A Survey of World Models for Autonomous Driving：自动驾驶世界模型全景综述
论文精读｜SafeDiffuser：用控制障碍函数给扩散规划加上安全保证
论文精读｜MVAdapt：零样本多车型适应的端到端自动驾驶
论文精读｜Teaching VLA Models What to See and Where to Look：DriveTeach-VLA 的视觉教学三段式
论文精读｜From Foundation to Application: Improving VLA Models in Practice（LingBot-VLA 2.0）
论文精读｜ABot-M0.5：统一的移动操作世界动作模型
论文精读｜ExploreVLA：密集世界建模与探索驱动的端到端自动驾驶
论文精读｜Agent-driven Long-tail Simulation for Autonomous Driving：用 LLM 代理驱动自动驾驶长尾仿真
论文精读｜K-Risk：知识增强的高风险驾驶场景数据集
论文精读｜LingBot-VLA：务实的 VLA 基础模型
CoWorld-VLA精读：多专家世界模型中的自动驾驶推理
RT-2精读：VLA奠基之作——将网络知识迁移到机器人控制
VLA-World精读：统一预测想象与反思推理的视觉-语言-行动世界模型
论文精读｜nuTruck：面向分布式电驱重卡的自动驾驶规划闭环基准
论文精读｜VADv2：概率规划——把驾驶决策从"猜唯一答案"变成"算概率分布"
论文精读｜WCog-VLA：双层级世界认知，让自动驾驶从被动反应走向主动博弈
论文精读｜Diffusion Policy：扩散模型做机器人动作生成
论文精读｜World4Drive：用意图感知的物理隐世界模型，摆脱感知标注做端到端规划
论文精读｜VLA for Autonomous Driving：自动驾驶视觉-语言-动作模型的过去、现在与未来
论文精读：DiffusionDriveV2 — RL-Constrained Truncated Diffusion
论文精读｜ACT + ALOHA：低成本双臂遥操作与动作分块策略
NAVSIM 排行榜深度分析：谁在统治端到端规划？架构、创新与分数全解
Scaling Law与数据策略：训好大模型的工程法则
车端C++开发实战：从Python原型到生产级代码
分布式训练的工程实践：从DeepSpeed到3D并行
论文精读：FeaXDrive — Feasibility-aware Trajectory-Centric Diffusion Planning
论文精读：Hydra-MDP — End-to-end Multimodal Planning with Multi-target Hydra-Distillation
论文精读：UniDriveVLA — Mixture-of-Transformers 解耦感知-推理冲突的统一驾驶 VLA
论文精读｜AutoDrive-P³：感知-预测-规划链式思维的统一强化微调——ICLR 2026 端到端驾驶新范式
论文精读｜DriveFuture：未来感知潜在世界模型——以未来状态条件化当前规划的 SOTA 范式
论文精读｜Uni-World VLA — 交错世界建模与规划实现闭环交互驾驶
论文精读｜π0：基于Flow Matching的通用视觉-语言-动作模型
论文精读｜UniAD：面向规划的端到端自动驾驶框架（CVPR 2023最佳论文）
Flow Matching 入门详解：从扩散模型到连续动作生成（含代码讲解）
论文精读｜CARLA: An Open Urban Driving Simulator —— 自动驾驶仿真的事实标准
论文精读：Bench2Drive — Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving
论文精读：BEV-VAE — Multi-View Image Generation with Spatial Consistency
论文精读：TOAD — Test-Time Trajectory Optimization for Autonomous Driving
论文精读：WorldVLA — Towards Autoregressive Action World Model
论文精读｜CLOVER：闭环价值估计与排序框架——端到端自动驾驶规划的生成-打分新范式
论文精读｜ReWorld — 面向 World Action Model 的表征学习
论文精读｜X-World — 可控多相机世界模型实现可扩展端到端自动驾驶
论文精读｜DriveVLM：把大语言模型推理能力搬上自动驾驶
什么是 VLA（Vision-Language-Action）模型？