Phase 4 · Embodied Intelligence 90：机器人基础、世界模型与具身智能深度学习路线

状态：E01～E90 详细教材与专业课程地图已预制；P4 尚未开始，本文不代表任何课程或实验已经完成 所属路线：AI Deep Mastery 360 · Phase 4 名义周期：2027-05-24 ～ 2027-08-21，共 90 个自然日 阶段编号：E01 ～ E90 结构：12 周主题学习 E01～E84 + 6 天知识整理与长期延伸 E85～E90 启动条件：完成前三阶段后再启动；如前序学习顺延，本阶段日期整体顺延 默认环境：Apple Silicon、本地仿真、零机器人硬件、零云成本 学习定位：以知识理解、工程能力和长期兴趣为主，不包含求职、投递、证书或作品集包装 证据边界：仿真、日志回放、论文结果和厂商演示都不能描述成自己的真机结果

配套入口：

• 逐日教材：docs/ai-deep-mastery/phase-4-embodied/notes/README.md
• 专业课程地图：docs/ai-deep-mastery/phase-4-embodied/PROFESSIONAL_COURSE_REFERENCE_MAP.md
• 网页主页：/learn/embodied-intelligence
• 网页教材库：/learn/embodied-intelligence/notes

---

1. 为什么要学习具身智能

前三阶段主要研究模型、AI 系统和未来 AGI。本阶段把学习对象进一步扩展到具有身体、空间、时间、动作和物理后果的智能体。

具身智能的完整闭环是：

感知 Perception
    ↓
状态估计 State Estimation
    ↓
地图、世界状态与记忆
    ↓
任务规划与运动规划
    ↓
控制和动作
    ↓
环境反馈与学习
    ↓
安全、人机协作与多机器人协作

本阶段重点回答：

一个智能体如何在观测不完整、传感器有噪声、动力学不确定和物理约束存在的环境中，持续形成可理解、可调试的感知—估计—规划—控制闭环？

1.1 与未来 AGI 的关系

机器人不等于 AGI，一次成功演示也不能证明通用智能。但具身研究可以帮助理解纯文本模型较难充分验证的能力：

1. Grounding：概念如何落到空间、物体、力、接触和动作。
2. 长期行动：智能体如何在连续时间中行动并承担结果。
3. 因果预测：采取不同动作时，环境会发生什么变化。
4. 闭环修正：如何根据反馈更新状态、重规划和恢复。
5. 跨身体迁移：不同机器人、传感器和动作空间之间如何共享能力。
6. 社会智能：如何与人以及其他机器人安全协作。

本计划只帮助建立这些问题的知识框架和小型仿真实践，不宣称解决开放世界 AGI。

1.2 90 天后希望获得的能力

• 能读懂机器人论文中的坐标系、姿态、Jacobian、状态空间和控制框图。
• 能实现最小正逆运动学、PID、LQR、Kalman/EKF、A* 和动作策略。
• 能解释 odometry、localization、SLAM、mapping 和 loop closure 的差异。
• 能区分识别、定位、跟踪、空间 grounding 和 affordance。
• 能比较经典规划、学习 policy、world model 和混合系统。
• 能理解 imitation learning、RL、Diffusion Policy、VLA 与 robot foundation model。
• 能设计具身系统的日志、回放、延迟、故障恢复和安全底线。
• 能理解 navigation、manipulation、HRI 和 multi-robot 的主要研究问题。
• 能跟踪 Gemini Robotics、GR00T、π0、OpenVLA、V-JEPA 等前沿路线。

1.3 非目标

• 不要求购买机械臂、移动底盘、传感器或 humanoid。
• 不要求训练完整 OpenVLA、π0、GR00T、Gemini Robotics 或大型 world model。
• 不要求每周考试、评分或高压验收。
• 不要求构建完整机器人产品或生产系统。
• 不为了做演示跳过坐标系、控制、安全和失败理解。
• 不创建第二份进度台账。
• 不提前创建未来实验结果、成功率、截图或完成标记。

---

2. 统一学习节奏

十二个主题周采用低压力但持续输出的固定节奏：

没有每周分数。周五的作用是把知识讲清楚，不是考试。某周没有完成实验时，可以保留问题并继续；优先保证理解，而不是为了打勾赶进度。

2.1 日期总览

---

3. Apple Silicon 与无硬件学习方案

3.1 A 档：Apple 原生主线

建议使用：

• Python 3.11 或启动时仍受支持的更新版本。
• 独立虚拟环境，不污染现有 Next.js 工程。
• NumPy、SciPy、Matplotlib、OpenCV。
• PyTorch MPS。
• MuJoCo 原生 Python bindings。
• Gymnasium、Gymnasium-Robotics。
• PettingZoo MPE。
• 自写小型 SE(2)、planar arm 和 grid world。

学习原则：

• 状态输入优先，理解机制后再加入图像。
• 视觉实验使用低分辨率、小 batch 和冻结 encoder。
• 可训练 policy 以小网络为主。
• 不下载无明确用途的大模型和大数据集。
• 不要求完整训练 Dreamer、OpenVLA、π0 或 GR00T。

MuJoCo 提供 macOS universal binary，Gymnasium-Robotics 官方支持 macOS，因此它们适合作为本阶段主仿真路线：

• MuJoCo：https://github.com/google-deepmind/mujoco
• MuJoCo Python：https://mujoco.readthedocs.io/en/latest/python.html
• Gymnasium-Robotics：https://github.com/Farama-Foundation/Gymnasium-Robotics

3.2 B 档：轻量降级

如果 MuJoCo、MPS、视觉模型或编译依赖不顺利：

• 使用 CPU、NumPy 和小型 PyTorch 网络。
• 使用自写 2D 移动机器人、2-link arm 和离散 grid world。
• 图像降级为小图、OpenCV 特征或预计算 embedding。
• SLAM 使用合成 landmark、odometry 和轨迹。
• manipulation 使用 reach、push 或有限状态技能。
• multi-robot 使用自写网格或 PettingZoo。

轻量实现并不妨碍深入学习。一个能解释清楚的 2D EKF 或 planar arm，通常比跑通但无法解释的大型框架更有价值。

3.3 C 档：阅读与回放

如果某周没有条件训练或运行模拟器：

• 使用固定轨迹和公开数据小切片。
• 阅读论文中的结构图、损失函数和实验设计。
• 使用预计算模型输出理解 action、embedding 或 trajectory。
• 实现评估器、可视化或故障分析。
• 用 deterministic replay 理解系统行为。

C 档不需要制造实验结论。官方论文、视频和 benchmark 只作为学习材料。

3.4 可选远程扩展

Habitat、Isaac、OpenVLA、GR00T 或大型 VLA inference 可能更适合 Linux/NVIDIA。它们只作为可选探索，不是完成要求。使用前先回答：

• 本地无法理解的具体问题是什么？
• 是否可以用论文、预计算结果或小模型替代？
• 预计花费多少时间和费用？
• 运行结果能说明什么，不能说明什么？

---

4. W1 · 机器人数学、坐标系与仿真入门

日期：2027-05-24 ～ 2027-05-30 Day：E01 ～ E07

本周核心问题

• 机器人如何表示位置、姿态、速度和坐标变换？
• 为什么 frame、unit 和 timestamp 会影响整个闭环？
• 如何从数学模型进入最小仿真？

建议理解

• rotation matrix 的正交性。
• quaternion 的归一化和双覆盖。
• homogeneous transform 的组合和逆。
• frame notation。
• 数值误差和 condition number。
• 仿真环境中的 observation/action contract。

最小练习

让一个 2D 机器人把局部坐标点变换到世界坐标；再故意交换 frame 或角度单位，观察轨迹如何偏离。

---

5. W2 · 运动学、动力学、轨迹与反馈控制

日期：2027-05-31 ～ 2027-06-06 Day：E08 ～ E14

本周核心问题

• 目标 pose 如何转成关节和控制信号？
• 运动学可达为什么不等于动力学可执行？
• feedback 如何抵抗误差和扰动？

建议比较

• open-loop trajectory；
• joint-space PID；
• task-space Jacobian controller；
• LQR 或最小 MPC。

观察指标

指标只用于帮助理解，不设强制阈值：

• tracking error；
• overshoot；
• settling time；
• control effort；
• action saturation；
• disturbance recovery。

重点工程认识

学习 policy 不会自动消除控制问题。真实机器人通常仍需要低层频率更高、边界更明确的 controller。

---

6. W3 · 状态估计、传感器融合与 SLAM

日期：2027-06-07 ～ 2027-06-13 Day：E15 ～ E21

本周核心问题

• 机器人无法直接看到真实 state 时怎么办？
• filtering、smoothing、odometry、localization 和 SLAM 有什么区别？
• loop closure 为什么既能纠正漂移，也可能造成严重错误？

推荐练习

合成一个有 noisy odometry 和 landmarks 的 2D 机器人：

1. 只用 odometry 画轨迹。
2. 加入 landmark measurement。
3. 观察 covariance 如何变化。
4. 添加错误 loop closure。
5. 比较全局一致性和局部漂移。

资料

• GTSAM：https://gtsam.org/tutorials/intro.html
• ORB-SLAM3：https://arxiv.org/abs/2007.11898
• TUM RGB-D：https://cvg.cit.tum.de/data/datasets/rgbd-dataset
• EuRoC MAV：https://projects.asl.ethz.ch/datasets/euroc-mav/
• evo APE/RPE：https://github.com/MichaelGrupp/evo/wiki/Metrics

不要求在 Apple Silicon 编译 ORB-SLAM3。理解 SLAM 管线比解决大型编译依赖更重要。

---

7. W4 · 感知、多模态空间表征与第一阶段复盘

日期：2027-06-14 ～ 2027-06-20 Day：E22 ～ E28 节奏说明：低压力复盘周；减少新内容，优先串联 W1～W3。

本周核心问题

• 识别物体与知道物体在哪里、能否操作有什么区别？
• 几何、视觉 embedding 和语言表征各自保留什么？
• 坐标、感知和状态估计如何连接？

推荐比较

• classical geometry；
• OpenCV/local feature；
• CLIP-style language alignment；
• DINO-style frozen visual representation；
• SAM-style promptable segmentation。

重点认识

• 分类准确不等于空间定位准确。
• 语义相似不等于 affordance 相同。
• perception 输出必须明确 frame、timestamp 和 confidence。
• 感知模型更强不一定让下游导航或 manipulation 更好。

资料

• CLIP：https://openai.com/index/clip/
• DINOv2：https://github.com/facebookresearch/dinov2
• Segment Anything：https://ai.meta.com/research/publications/segment-anything/

---

8. W5 · Navigation、规划与主动感知

日期：2027-06-21 ～ 2027-06-27 Day：E29 ～ E35

本周核心问题

• 已知地图、未知地图、部分可观测和语言导航分别需要什么？
• global planner、local planner 和 controller 如何分工？
• 机器人什么时候应先获得信息再行动？

推荐比较

• oracle pose + A*；
• noisy pose + A*；
• reactive policy；
• semantic map hybrid；
• 可选 learned navigation。

可观察指标

• success；
• path length；
• SPL；
• collision/near-miss；
• replan 次数；
• localization dependency；
• clarification。

资料

• AI Habitat：https://aihabitat.org/
• Habitat 2.0：https://aihabitat.org/docs/habitat-lab/habitat2.html
• VLMaps：https://vlmaps.github.io/

---

9. W6 · Manipulation、接触、抓取与技能组合

日期：2027-06-28 ～ 2027-07-04 Day：E36 ～ E42

本周核心问题

• 接触为什么让 manipulation 比 free-space motion 更难？
• 抓取稳定、轨迹无碰撞和任务完成如何分别理解？
• 高层任务如何组合低层技能？

重点认识

• 接触模型只是现实接触的近似。
• 碰到物体不等于抓取成功。
• manipulation 成功应关心最终 object pose、稳定性和动作约束。
• skill 需要 precondition、termination 和 recovery。

---

10. W7 · 模仿学习、强化学习与动作生成

日期：2027-07-05 ～ 2027-07-11 Day：E43 ～ E49

本周核心问题

• 离线 loss 很低的 BC 为什么会在闭环中失效？
• imitation、offline RL、online RL 与经典控制各自适合什么条件？
• action chunk、diffusion 和 flow-based policy 解决什么问题？

推荐实践

不用追求算法数量。完成以下一条即可：

• BC 与 DAgger 对照。
• BC 与小型 PPO/SAC 对照。
• state-based behavior cloning 与 action chunk 对照。
• 只阅读 Diffusion Policy，并用小数据观察多模态 action。

资料

• DAgger：https://arxiv.org/abs/1011.0686
• Diffusion Policy：https://diffusion-policy.cs.columbia.edu/
• Robomimic：https://robomimic.github.io/
• LeRobot：https://huggingface.co/docs/lerobot/main/index

---

11. W8 · World Model、物理推理与第二阶段复盘

日期：2027-07-12 ～ 2027-07-18 Day：E50 ～ E56 节奏说明：低压力复盘周；world model 只做最小机制，不要求复现大型训练。

本周核心问题

• world model 应预测 pixel、latent、state、reward 还是 task consequence？
• 预测得像是否意味着适合 planning？
• planner 如何利用模型误差？

推荐观察

• one-step 与 multi-step prediction 的差异。
• horizon 变长后的误差累积。
• imagined reward 与实际 reward 的差异。
• ensemble disagreement 或 uncertainty。
• 为什么 planning value 比视频逼真度更重要。

资料

• DreamerV3：https://www.nature.com/articles/s41586-025-08744-2
• DreamerV3 code：https://github.com/danijar/dreamerv3
• TD-MPC2：https://www.tdmpc2.com/
• V-JEPA 2：https://ai.meta.com/research/publications/v-jepa-2-self-supervised-video-models-enable-understanding-prediction-and-planning/
• Genie 2：https://deepmind.google/blog/genie-2-a-large-scale-foundation-world-model/

---

12. W9 · VLA 与 Robot Foundation Models

日期：2027-07-19 ～ 2027-07-25 Day：E57 ～ E63

本周核心问题

• VLM 如何转成输出动作的 VLA？
• action token、chunk、diffusion、flow matching 有什么差异？
• 跨任务、跨环境、跨 embodiment 的泛化如何理解？

经典到前沿的路线

2026 SOTA 更新

阶段执行时应重新检查模型版本，不把本计划写死为永远最新。当前资料包括：

• Gemini Robotics-ER 1.6：强调多视角理解、空间推理、任务成功检测、仪表读取和 agentic vision。 https://deepmind.google/blog/gemini-robotics-er-1-6/
• Gemini Robotics 2：面向从双臂到 humanoid 的 whole-body VLA。 https://deepmind.google/models/gemini-robotics/
• Gemini Robotics ER 2：高层 embodied reasoning、复杂任务规划、人机沟通和多机器人协作。 https://deepmind.google/models/gemini-robotics/embodied-reasoning/
• Gemini Robotics On-Device 2：面向机器人本地运行的轻量 VLA。 https://deepmind.google/models/gemini-robotics/
• GR00T N1.6：NVIDIA 的 generalist humanoid foundation model 更新。 https://research.nvidia.com/labs/gear/gr00t-n1_6/

这些官方能力描述用于理解路线，不等于本地已经复现，也不能单独证明开放世界可靠性。

重点认识

• 单步 action prediction 不等于闭环任务成功。
• action coordinate、normalization、frequency 和 termination 非常重要。
• 高层 embodied reasoner 与低层 VLA/controller 是不同角色。
• foundation model 仍需要 robot data、adaptation、安全和运行工程。

---

13. W10 · 仿真、sim2real 与具身系统工程

日期：2027-07-26 ～ 2027-08-01 Day：E64 ～ E70

本周核心问题

• 仿真中的哪些假设最容易在现实中失效？
• 机器人 AI 为什么也是实时、分布式和可观测的软件工程问题？
• 如何利用日志和故障注入理解系统，而不把课程扩张为生产认证？

重点工程能力

• observation/action interface。
• frame 与 timestamp。
• sensor rate 和 control rate。
• latency、stale data 和 timeout。
• log、replay 和可视化。
• high-level planning 与 low-level control 分层。
• 简单 watchdog、stop 和 degraded mode。

仿真证据边界

本阶段默认最高证据层级是 simulation 或 sim-to-sim。

资料

• Dynamics Randomization：https://openai.com/index/sim-to-real-transfer-of-robotic-control-with-dynamics-randomization/
• MuJoCo Playground：https://playground.mujoco.org/
• ROS 2 Interfaces：https://docs.ros.org/en/ros2_documentation/rolling/Concepts/Basic/Interfaces-Topics-Services-Actions.html
• MCAP：https://github.com/foxglove/mcap

---

14. W11 · 具身安全、HRI 与人在回路

日期：2027-08-02 ～ 2027-08-08 Day：E71 ～ E77

本周核心问题

• 语义上合理的指令为什么可能在物理上危险？
• semantic、physical、operational safety 有什么区别？
• 机器人何时应拒绝、停止、降级或请求帮助？

少数必要安全底线

本阶段不做认证，只保留以下学习底线：

1. 不连接和控制真实电机、机械臂或移动底盘。
2. 不让真实人员进入未经评审的控制闭环。
3. 仿真中保留 action limit、collision/timeout stop 和人工终止入口。
4. 危险、模糊或不可行的语言任务允许拒绝或请求澄清。
5. 自然语言 reasoning 不能作为唯一物理安全层。
6. 不使用真实人脸、家庭、客户或敏感场所数据。

标准边界

• ISO 10218 面向工业机器人特定范围。
• ISO 13482 面向 personal care robot 特定范围。
• 本周只学习 hazard 和 risk reduction 思路。
• 不声称标准合规、产品认证、法律意见或部署许可。

资料

• Safety-Gymnasium：https://safety-gymnasium.readthedocs.io/en/stable/
• Google DeepMind Robotics Safety：https://deepmind.google/models/gemini-robotics/responsibly-advancing-ai-and-robotics/
• ASIMOV v1：https://asimov-benchmark.github.io/
• ASIMOV v2：https://asimov-benchmark.github.io/v2/
• ISO 10218-1:2025：https://www.iso.org/standard/73933.html
• ISO 13482:2014：https://www.iso.org/standard/53820.html

---

15. W12 · Multi-Robot 与全阶段低压力复盘

日期：2027-08-09 ～ 2027-08-15 Day：E78 ～ E84 节奏说明：低压力复盘周；理解协作问题并串联全阶段，不要求综合大项目。

本周核心问题

• 多机器人为什么不是复制两个单机器人？
• path conflict、task allocation、通信和 non-stationarity 如何耦合？
• 单机器人知识如何扩展到 fleet 和 collective intelligence？

推荐比较

• independent greedy；
• centralized planner；
• prioritized planning；
• Conflict-Based Search；
• ORCA local avoidance；
• auction task allocation；
• CTDE/MADDPG 只做概念或可选小实验。

可观察指标

• makespan；
• throughput；
• total travel；
• collision/deadlock；
• communication；
• reassignment；
• fairness。

这些指标用于理解 trade-off，不设置统一成绩线。

资料

• PettingZoo：https://pettingzoo.farama.org/
• PettingZoo MPE：https://pettingzoo.farama.org/1.24.2/environments/mpe/
• MADDPG：https://proceedings.neurips.cc/paper_files/paper/2017/file/68a9750337a418a86fe06c1991a1d64c-Paper.pdf
• ORCA：https://gamma-web.iacs.umd.edu/ORCA/
• Conflict-Based Search：https://doi.org/10.1016/j.artint.2014.11.006

---

16. E85～E90 · 知识地图与长期延伸

这六天用于把 12 周内容沉淀为可以长期复习和继续探索的知识结构，整体保持轻松整理节奏。

E86 建议比较框架

---

17. 可选项目：Embodied Simulation Study

这个项目完全可选。只选择 感知、导航、操作 中一个方向，不要求构建完整机器人堆栈。

17.1 方向 P：Perception Study

可选问题：

• classical feature、frozen embedding 和 segmentation 对空间定位有什么差异？
• 光照、遮挡、视角变化会如何影响结果？
• perception score 和下游任务是否一致？

最小内容：

• 一个小型图像或仿真数据集。
• 两种方法对比。
• 一个故障切片。
• 一张结果图和失败说明。

17.2 方向 N：Navigation Study

可选问题：

• A*、reactive policy 和 semantic map 在部分可观测环境中如何取舍？
• localization noise 如何影响 path planning？
• 什么时候 replan 或 clarification 更重要？

最小内容：

• 一个 grid/2D/MuJoCo navigation 环境。
• 两个 baseline。
• 一个动态障碍或定位故障。
• 一段轨迹可视化和学习总结。

17.3 方向 M：Manipulation Study

可选问题：

• scripted/IK controller 与 behavior cloning 在 reach/push 中有什么差异？
• friction、object pose 或 delay 如何改变动作？
• action chunk 对平滑度和延迟有何影响？

最小内容：

• 一个 planar arm、Reacher、Pusher 或 Fetch 子任务。
• 两种方法。
• 一个参数变化。
• 一段 rollout 和失败分析。

17.4 项目不要求

• 不要求专门准备陌生评测集。
• 不要求固定成功率。
• 不要求 30 个 episodes。
• 不要求多模态、world model、VLA、安全和多机器人全部接入。
• 不要求部署、发布或真机。
• 不要求为了“完整”增加云成本。

完成其中一个方向，或者只完成前 12 周知识整理，都符合本阶段的学习定位。

---

18. 工程能力补齐清单

本阶段除了算法，也关注 AI 时代具身系统常见的工程能力：

18.1 数据与时间

• episode、step、observation、action 和 metadata。
• state/action normalization。
• camera、proprioception 和 language alignment。
• timestamp、sampling rate 和 dropped frame。
• RLDS、LeRobotDataset、rosbag/MCAP 的设计思想。

18.2 系统接口

• continuous stream、request/response 和 long-running action。
• perception、estimation、planner、controller 的边界。
• high-level reasoner 与 low-level VLA/controller 的边界。
• frame tree、action space 和 termination contract。

18.3 运行与调试

• reproducible seed 和 environment version。
• event log、trajectory replay 和可视化。
• latency、timeout 和 stale data。
• failure taxonomy。
• degraded mode 和人工终止。

18.4 模型工程

• frozen encoder + small head。
• action token/chunk/diffusion/flow。
• offline prediction 与 closed-loop behavior 的差异。
• quantization、on-device inference 和 control frequency。
• world model uncertainty 与 planner exploitation。

这些能力以理解和小练习为主，不扩张成生产平台建设。

---

19. 长期前沿研究雷达

1. Humanoid whole-body control、balance、locomotion 和 mobile manipulation。
2. Dexterous hand、tactile、force、audio 与 deformable objects。
3. Embodied reasoning、long-horizon task decomposition 和 tool use。
4. World-action models、JEPA 与 action-conditioned video models。
5. Generative simulation、Genie 和自动生成交互环境。
6. Cross-embodiment、morphology adapter 和 universal action representation。
7. Lifelong robot learning、skill memory 和 catastrophic forgetting。
8. Autonomous data engines、active sampling 和 failure mining。
9. Edge VLA、quantization、real-time chunking 和 hardware-aware inference。
10. Collective embodied intelligence、fleet learning 和共享世界模型。
11. Physical AI safety、uncertainty escalation 和 corrigibility。
12. Human-compatible intelligence、legibility、trust calibration 和共同决策。

阅读前沿时持续区分：

• task transfer；
• environment generalization；
• online adaptation；
• causal reasoning；
• open-world autonomy；
• AGI。

这些不是同一个证据层级。

---

20. 原始论文与官方资料索引

20.1 机器人基础与控制

• Modern Robotics：https://hades.mech.northwestern.edu/index.php/Modern_Robotics
• MIT Underactuated Robotics：https://underactuated.csail.mit.edu/
• MuJoCo：https://github.com/google-deepmind/mujoco
• Gymnasium-Robotics：https://github.com/Farama-Foundation/Gymnasium-Robotics

20.2 状态估计与 SLAM

• GTSAM：https://gtsam.org/tutorials/intro.html
• GTSAM IMU Preintegration：https://borglab.github.io/gtsam/preintegratedimumeasurements/
• ORB-SLAM3：https://arxiv.org/abs/2007.11898
• TUM RGB-D：https://cvg.cit.tum.de/data/datasets/rgbd-dataset
• EuRoC MAV：https://projects.asl.ethz.ch/datasets/euroc-mav/

20.3 感知与 Navigation

• CLIP：https://openai.com/index/clip/
• DINOv2：https://github.com/facebookresearch/dinov2
• Segment Anything：https://ai.meta.com/research/publications/segment-anything/
• AI Habitat：https://aihabitat.org/
• VLMaps：https://vlmaps.github.io/

20.4 Robot Learning 与 World Model

• DAgger：https://arxiv.org/abs/1011.0686
• Diffusion Policy：https://diffusion-policy.cs.columbia.edu/
• DreamerV3：https://github.com/danijar/dreamerv3
• TD-MPC2：https://www.tdmpc2.com/
• V-JEPA 2：https://ai.meta.com/research/publications/v-jepa-2-self-supervised-video-models-enable-understanding-prediction-and-planning/
• Genie 2：https://deepmind.google/blog/genie-2-a-large-scale-foundation-world-model/

20.5 Robot Data、VLA 与最新 SOTA

• RLDS：https://github.com/google-research/rlds
• LeRobot：https://huggingface.co/docs/lerobot/main/index
• Open X-Embodiment：https://github.com/google-deepmind/open_x_embodiment
• RT-2：https://deepmind.google/blog/rt-2-new-model-translates-vision-and-language-into-action/
• Octo：https://github.com/octo-models/octo
• OpenVLA：https://github.com/openvla/openvla
• OpenPI / π0：https://www.pi.website/blog/openpi
• SmolVLA：https://huggingface.co/blog/smolvla
• Gemini Robotics-ER 1.6：https://deepmind.google/blog/gemini-robotics-er-1-6/
• Gemini Robotics 2 family：https://deepmind.google/models/gemini-robotics/
• Gemini Robotics ER 2：https://deepmind.google/models/gemini-robotics/embodied-reasoning/
• Gemini Robotics ER 2 model card：https://deepmind.google/models/model-cards/gemini-robotics-er-2/
• GR00T N1.6：https://research.nvidia.com/labs/gear/gr00t-n1_6/

20.6 系统、安全与多机器人

• MuJoCo Playground：https://playground.mujoco.org/
• ROS 2 Interfaces：https://docs.ros.org/en/ros2_documentation/rolling/Concepts/Basic/Interfaces-Topics-Services-Actions.html
• MCAP：https://github.com/foxglove/mcap
• Safety-Gymnasium：https://safety-gymnasium.readthedocs.io/en/stable/
• ASIMOV：https://asimov-benchmark.github.io/
• PettingZoo：https://pettingzoo.farama.org/
• MADDPG：https://proceedings.neurips.cc/paper_files/paper/2017/file/68a9750337a418a86fe06c1991a1d64c-Paper.pdf
• ORCA：https://gamma-web.iacs.umd.edu/ORCA/

---

21. 阶段结束后的轻量完成定义

本阶段不按分数判定。到 E90 时，满足以下大部分即可认为学习路线已经发挥作用：

• 能画出具身智能完整知识地图。
• 能解释至少一个控制、一个估计、一个规划和一个学习方法。
• 运行过若干最小实现或仿真练习。
• 能说清 classical、learning、foundation model 和 hybrid 的取舍。
• 能辨认仿真与真机证据边界。
• 能说明 Gemini Robotics、GR00T、π0、OpenVLA、V-JEPA 的路线差异。
• 已找到最感兴趣的 1～2 个长期方向。
• 可选完成一个感知、导航或操作小研究。

在真正执行前，本文件始终保持“计划中”。进度仍由 AI Deep Mastery 360 的唯一主入口管理，不为 Phase 4 创建并行进度台账。