这篇论文的研究与之前大部分VLA模型不同，其从通用动作空间抽取动作原子信息而不是直接用图像预测动作序列。根据作者实验可得仅用0.5B参数得模型就可以达到当前SOTA模型的水准，并且能够以非常低的成本（微调参数总量0.8%的头部部分）适配不同控制接口的设备。

这篇博客就是复现 Physical Intelligence 的 π0 即 Pi0，虽然 PI 已经推出了这个模型的进化版本 Pi0.5，但复现 Pi0 仍然有很重要的意义（主要是很多公司还在基于 Pi0 进行微调，只能说 PI 速度太快了），因此这篇博客先复现 Pi0 后面会再去复现 Pi0.5。

这篇博客记录了 UE5 教学视频中导入资产包，包括从 Epic 商城中下载、本地文件复制、从其他已经打开的项目中导出再导入。总体来说比较简单，需要注意的是期间涉及到的文件路径。

Mujoco编译与部署、使用URDF文件、转换dae文件

OpenVLA拉取并复现

基于互联网级VL数据和多样化的机器人演示上的大规模预训练策略，具有改变机器人能力的潜力。相比于从零开始训练新的能力而言，可以对VLA进行微调以获得用于视觉运动控制的鲁棒且泛化的能力。然而，VLA 在机器人学中的仍面临挑战，如：1）现有的 VLA 大多是闭源的；2）已有研究未能探索如何高效地对 VLA 进行微调以适应新任务。为了解决这些挑战，作者提出 OpenVLA，一个 7B 参数的开源 VLA，

这个项目是我们开出来的一个项目，用 LLM+tools 的方式控制 DJI Tello 无人机运动，由于是已经开源出来的项目，因此建议直接跳转至我们的项目链接，所有的更新与 Bug 修复都会第一时间同步上去，博客的更新可能存在滞后。

该系列文章是我在无人机实战项目中遇到的问题与解决方案笔记

这个博客介绍了如何通过 `settings.json` 文件添加一个无人机外的 **固定位置监控相机**，因为在使用过程中发现 Airsim 对外部监控相机的描述模糊，而 Cosys-Airsim 在官方文档中没有提供外部监控相机设置，最后在源码示例中找到了，所以感觉有必要记录下。

这篇博客是上一篇博客的续集，所有测试和评测均基于第一篇刷机博客的环境上完成的测试。此篇博客对一些目标跟踪领域优秀的开源项目提供了在 Nvidia Jetson Thor 硬件平台上部署的参考操作。