语言模态用于处理离散的、符号化的语义信息；举一个例子：比如一开始LLM模型中输出的hR里是只包含有“香蕉”的特征，但是轻量级的Diffusion收到的是hR和带有噪声的zt(带有噪声的苹果)，那么diffusion这个模块就会试图根据hR（香蕉信息）来去计算“苹果应该长什么样”，并推算噪音，那么这样子就是牛头不对马嘴，DiT预测出来的噪音ϵ_pred，和真实的噪声有很大的差别，梯度回传的时候会大力

left_joint>wheel_left_joint</left_joint>、<right_joint>wheel_right_joint</right_joint>，表示将参数“left_joint”的数值，等同于“wheel_left_joint”（仿真世界中的左轮子的关节名），也就是操控“left_joint”，可以控制仿真世界中的左轮子的运动，右边也是如此；Lifespan（寿命），看

left_joint>wheel_left_joint</left_joint>、<right_joint>wheel_right_joint</right_joint>，表示将参数“left_joint”的数值，等同于“wheel_left_joint”（仿真世界中的左轮子的关节名），也就是操控“left_joint”，可以控制仿真世界中的左轮子的运动，右边也是如此；Lifespan（寿命），看