学习路线图:从零到前沿的可视化地图
定位:本路线图是 具身入门 · 新手起步的可视化补充。getting-started 给出了一条线性的 7 步文字路径,本路线图提供多轨、带前置依赖的图形化地图,让你看清不同方向(VLA/WAM/数据/训练评测/工程)的学习顺序与相互关系。
覆盖:28 个节点,全部指向站内已有页面(不造新内容),按 4 阶段(基础→核心→进阶→前沿)分列,按 6 轨道着色。
适合谁:
- 想清晰看到"学完 A 才能学 B"依赖关系的人
- 想选择自己的专攻方向(VLA 主线 / WAM 主线 / 数据侧 / 评测侧)的人
- 想鸟瞰全站内容结构的人
不适合谁:第一次接触具身智能的人 → 请先读 具身入门 · 5 分钟上手,再回来看路线图。
交互路线图
核心
轨道图例
通用VLAWAM数据训练评测工程
共 25 个节点 · 4 阶段 × 6 轨道 · 全部指向站内已有页面
路线说明
四个阶段
- 基础:入门概念 + 术语 + 如何阅读本站 → 建立全局观,约 15–30 分钟。
- 核心:VLA/WAM 总报告 + 奠基论文(RT-1/RT-2/OpenVLA/Diffusion Policy/π0)→ 理解主线技术,约 3–5 天深读。
- 进阶:数据全景 / 训练流程 / 评测基准 / 机器人本体 → 系统性专题,按需深入,每个专题 1–2 天。
- 前沿:SOTA 模型(CogACT/Qwen-VLA/GR00T/Genie 2)+ 全模型规格对比 + 生态地图 → 追踪最新进展。
六条轨道
- 通用:入门/术语/生态,适合所有人。
- VLA:视觉-语言-动作模型主线,核心技术路线。
- WAM:世界-动作模型主线,预测式具身智能。
- 数据:数据采集 / 处理 / 配比,数据工程师必读。
- 训练评测:训练流程 / 基准 / 榜单,研究者/工程师必读。
- 工程:机器人本体 / 运控算法,硬件 / 部署侧。
推荐学习路径(按角色)
研究者/算法工程师(VLA 方向):
- 基础 3 页(入门/阅读指南/术语)
- VLA 总报告 → RT-1 → RT-2 → OpenVLA → Diffusion Policy → π0
- 训练全流程 + 评测基准全景 + 统一基准榜
- 前沿:CogACT / Qwen-VLA / GR00T / 全模型规格对比
研究者(WAM 方向):
- 基础 3 页
- WAM 总览
- 前沿:Genie 2 / WALL-E
数据工程师:
- 基础 3 页
- VLA 总报告(了解数据需求)
- 数据轨道全走:具身数据全景 → 数据集图鉴 → 具身数据处理
硬件 / 部署工程师:
- 基础 3 页
- VLA 总报告(了解模型侧)
- 工程轨道:实验机器人本体 → 运控算法基础
学生 / 转行者(全面了解):
- 按 getting-started 的 7 步线性路径走(那篇有详细指引)
- 回到本路线图,按兴趣深入某条轨道
与 getting-started 的区别
| 具身入门 · 新手起步 | 本路线图 | |
|---|---|---|
| 形式 | 线性文字路径(7 步) | 可视化多轨地图(28 节点) |
| 适合 | 第一次接触,需要手把手引导 | 已有概念,想看全局结构 |
| 优势 | 有详细说明,每一步为什么读 | 看清依赖关系,自主选方向 |
| 劣势 | 单一路径,不能岔开 | 没有详细说明,需自己判断 |
建议:第一次先读 getting-started,再回来看路线图选专攻方向。
关联阅读
- 具身入门 · 新手起步 — 线性 7 步文字路径,第一次接触必读
- 如何阅读本站 — 可信度标注 / 信源分级 / 阅读路径
- 术语速查表 — 180+ 术语中英对照
- VLA 总报告 — 76 篇论文细读,核心入口
- WAM 总览 — 33 篇论文细读,世界模型线
维护记录
- 2026-07-01:首版上线,28 个节点,4 阶段 × 6 轨道,全部节点指向站内已有页面。