Embodied AI Lab

具身智能专栏

按话题精选外链文章与项目页——从 Physical AI / VLA 全景，到世界模型、数据栈、模仿学习、人形平台与端侧部署。 共 7 个话题 · 24 篇。

入门与全景VLA 与机器人基础模型世界模型与 Physical AI数据与开源学习栈模仿学习与灵巧操控人形机器人与端到端平台端侧与边缘部署
端侧硬件更深清单（Jetson / Hailo / RK3588 / 高通 NPU）

入门与全景

Overview

Physical AI / VLA 是什么、主流模型怎么排、从哪里入门

What Is Physical AI & VLA Models? [2026 Guide]

2026 实用向导：GR00T、Gemini Robotics On-Device、OpenVLA 该怎么选；讲清 tokenized / diffusion / flow-matching 三条动作头路线

UDHY
导读

5 Robotics AI Models Changing the Field

RT-2 → OpenVLA → GR00T → LeRobot → π0，用叙事串起开源与通用操控的关键跃迁

Drift
导读

VLA Models Compared: RT-2, OpenVLA, Pi0, SmolVLA… (2025)

参数量、开源与否、推理 Hz、动作表示一张表比完；适合选型与读论文前扫盲

SVRC
对比

VLA 与机器人基础模型

VLA & Foundation Models

从 RT-2 到 OpenVLA / π0 / GR00T：看、听指令、直接出动作

Foundation Models for Robot Manipulation

RT-2 / OpenVLA / Octo / π0 能力边界与微调成本；开源研究 vs 商业 API 怎么取舍

SVRC
综述

Open X-Embodiment：跨本体数据集与 RT-X

22 种机器人、100 万+ 轨迹、跨实验室统一格式；「一个策略管多种身体」的数据地基

Google DeepMind
项目

GR00T N1：人形通用基础模型（论文）

System 2（VLM 理解）+ System 1（扩散动作）双系统；真机 + 人体视频 + 合成数据混合预训练

arXiv
论文

Develop Humanoid Policies End-to-End with Isaac GR00T

从遥操作采集 → 后训练 → 真机部署的工程全链路；GR00T 1.7 Apache 2.0 可商用

NVIDIA Blog
工程

世界模型与 Physical AI

World Models

用世界模型做推理、仿真与合成数据，再接到策略学习

Cosmos 3：面向 Physical AI 的开放 Omni 世界模型

理解 / 生成 / 正逆动力学 / 机器人策略同一套 omnimodal backbone；Physical AI 的「世界层」

NVIDIA Cosmos Lab
项目

Welcome NVIDIA Cosmos 3（Hugging Face）

Nano 16B / Super 64B 怎么选；MoT 架构如何把 Reason + Generate 合成一次前向

Hugging Face
导读

NVIDIA Launches Cosmos 3（新闻稿）

官方叙事：合成数据与评测周期从月压到天；机器人 / 智驾 / 空间智能共用底座

NVIDIA Newsroom
产业

数据与开源学习栈

Data & OSS Stack

没有数据就没有具身：OXE、LeRobot、可复现训练管线

LeRobot v0.4.0：开源机器人学习加速

Dataset v3.0 流式读 OXE 级数据；PI0.5 / GR00T N1.5、LIBERO、多卡训练与课程一锅端

Hugging Face Blog
工程

Hugging Face LeRobot（仓库）

ACT / Diffusion / VLA / World Model 统一 PyTorch 接口；数据集上 Hub、策略也能分享

GitHub
工具

Open X-Embodiment Datasets（GitHub）

RLDS 统一格式 + Colab 可视化；下游训练「跨本体」策略的标准入口

Google DeepMind
数据

模仿学习与灵巧操控

Imitation & Dexterity

ACT、Diffusion Policy、触觉闭环：从示教到接触丰富任务

ALOHA + ACT：低成本双臂精细操控

Action Chunking 压短有效视野；50 条左右 demo 就能拧瓶盖、插电池——模仿学习入门必读

Stanford / Tony Zhao
经典

Diffusion Policy：动作扩散做 visuomotor 策略

多峰动作分布、高维动作空间、训练更稳；几乎所有现代 VLA 动作头的「前传」

Columbia
经典

Dexterous & Embodied Robotic Manipulation Survey

从示教/规划到「感知-决策-执行」闭环；视觉 + 力/触觉多模态为何是灵巧操控关键

arXiv
综述

Embodied Robot Manipulation in the Era of Foundation Models

高层规划（语言/代码/affordances）+ 底层策略学习统一抽象；读 VLA 时代操控论文的地图

arXiv
综述

Reactive Diffusion Policy：视触慢快双系统

慢扩散规划 + 快触觉反应；接触丰富任务相对纯视觉 IL 显著提升，补上 action chunk 开环盲区

arXiv
论文

人形机器人与端到端平台

Humanoid & Platforms

仿真到真机、GR00T 工作流、通用人形技能学习

Isaac GR00T 开发者主页

开源数据管线 + 基础模型 + Isaac Sim/Lab + Jetson Thor；人形 Physical AI 参考平台

NVIDIA
平台

Isaac GR00T：VLA 与 SO-101 Sim-to-Real 课程章节

用仿真 demo 后训练 GR00T，再落到真机；讲清 VLA、action chunk、post-training 节奏

NVIDIA Learning
课程

Isaac GR00T N1.6 Explained

CES 2026 语境下的 N1.6：多模态输入到全身协调动作，适合快速了解产品定位

C# Corner
导读

端侧与边缘部署

Edge Deployment

机器人大脑要上板：Jetson / NPU / 边缘 runtime

The Edge LLM Runtime Stack 2026

按板卡选 runtime：Thor→TensorRT Edge-LLM，手机→LiteRT/ExecuTorch，SBC→llama.cpp

Edge AI Stack
选型

TensorRT Edge-LLM on Jetson（实操）

Thor 跑 Cosmos Reason2、Orin Nano 跑 Qwen3；量化→ONNX→板端 engine 全流程

Jetson AI Lab
实操

Edge Inference：ANE / Hexagon / WebGPU / Jetson

核心观点：端侧瓶颈是内存带宽不是 TOPS；四条硬件路径对照

AI Engineering Academy
导读
话题规划（持续扩容）
后续可补：触觉/力控硬件、Sim2Real 技巧、具身评测基准（LIBERO / CALVIN / RoboCasa）、中国人形与工业落地案例。