教学页怎么读

每篇教学页都按「先直觉，再细节」的顺序排：开头一句话讲清在解决什么，接着铺开概念、机制、输入输出；需要复现或深挖时，沿页面往下会逐步进入方法设计、公式细节与开放问题。读到哪一层吃力就停，先把当前层吃透再往下。

所有教学页都会直接展示完整正文；沿页面向下即可依次读到方法设计、公式细节、参考答案与开放问题。

第 0 步 · 建立领域地图

读 🗺️ 全景 roadmap 与 领域演进总图，配合首页的 领域全景图。

为什么先读：本站覆盖 971 篇论文、14 条技术线索，直接进任意一篇容易失去坐标。这三张图把 locomotion / 模仿学习 / 动作生成 / teleop / motion prior / VLA / 灵巧手 / 抓取 / world model 九大方向摆进同一张地图。

第 1 步 · 线索入口建地图（4 条核心线索）

每条线索的入口页 3-5 分钟，先读这四条：

1. T01 Sim-to-Real — 仿真训好的策略搬到真机会摔，怎么弥合这条缝。
2. T04 AMP → BFM ⭐ — 把人类动捕数据沉淀成可复用的运动常识。
3. T06 VLA 五段演进 — 让懂互联网图文的大模型直接出关节指令。
4. T11 灵巧手操作 — 多指手在掌心转、捏、换手，触觉是最大瓶颈。

为什么是这四条：T01 是所有真机工作的底座；T04 是「风格 vs 内容」这组分野的关键；T06 是 2023–2026 最显著的范式转移；T11 是当前 DoF 最高、感知最缺的开放问题。读完能在脑里立起四根支柱，其余线索在 自学教材目录 按需展开。

第 2 步 · 里程碑论文下钻（37 篇逐层教学）

挑四篇「绕不开」的代表作，用教学页逐层下钻：

1. AMP 教学页 — 「风格裁判」如何替代手写 reward，同时演示一篇教学页由浅入深的完整结构。
2. π0 教学页 — VLA 的当前 SOTA，flow matching 出动作。
3. RT-2 教学页 — 第一次把大模型知识搬到机器人控制。
4. Diffusion Policy 教学页 — 多模态动作分布的标准解法。

为什么是这四篇：AMP 是 motion prior 与模仿学习的交汇点，后续 ASE/PHC/BFM 都站在它肩上；RT-2 验证 VLA 可行、π0 把可用性推到产业级，两者代表 VLA 的两个阶段；Diffusion Policy 回答了「为什么不能直接用 BC 平均」。读完能识别领域里大部分术语引用的出处。

第 3 步 · 概念补数学（3 篇）

读论文时撞到「似懂非懂」的术语，回这三篇概念辨析补：

1. C-MDP/POMDP 形式化 — 一切 RL/IL 的数学起点；不懂 POMDP，就看不懂为什么 sim2real 是本质问题。
2. C-RL 算法家族 — PPO/SAC/TD3/DDPG/DreamerV3 的推导与适用场景。
3. C-Sim2Real 方法全集 — DR / SysID / Teacher-Student / RMA / ASAP，含 6 步 SysID 实操。

为什么是这三篇：MDP 是所有形式化的根；RL 算法家族是读训练章节的前置；Sim2Real 是 T01 的数学化版本。其余概念（优化与损失 / 表征学习 / IL 理论 / Diffusion 数学 / 蒸馏方法 / 多模态消歧 / 硬件平台 / 真机安全 / RL vs 控制 / 动作表示）按遇到的盲点再查。

第 4 步 · 前沿与结构

基础打通后，三个方向任选：

• 研究者视角：回到第 2 步的论文页继续向下阅读研究者视角——它讲开放问题、为什么某条路可能走不通、下一个突破口在哪。
• 引用结构：引用图 把 971 篇按 PageRank 排出 top 80 影响力节点，📊 知识库分析 给出跨方向耦合矩阵（哪两个方向是交叉富矿）。想找「下一个该读谁」，从这里切入。
• 2026 SOTA：SOTA 与开放问题 汇总近期工作；深度叙事见 T10 VLA+WBC 分层整合 与 T11 灵巧手。

路线一览

roadmap 建图 → 线索入口听讲解 → 4 篇里程碑论文下钻 → 概念补数学 → 研究者视角看前沿。任何一步吃力就退回上一步，游刃有余就跳下一阶段；全站页面互相交叉引用，顺着兴趣走也不会断。

📍 下一步：开启第 0 步 · 全景 roadmap →