未来预测不必等价于未来视频生成，动作模型真正需要的是一个与控制相关、带空间结构、能够快速计算的未来状态。它把 LAM 中过去常被丢弃的 forward decoder 重新利用起来，变成 LaWM；再通过潜在动作蒸馏，让 VLM 在推理时能够驱动这个世界模型；最后用 Alternate-DiT 把语义理解与潜在动力学送进连续动作生成。从结果看，这种设计在单臂、双臂和真机任务上都保持了较强性能，并明

本文从工程角度说明KV Cache缓存了什么、显存如何估算，以及实际部署中容易遇到的问题。

本文介绍了Isaac GR00T N1.7在Piper真机上的服务端/客户端部署方案。

本文将结合论文内容和OpenPI源码，从Co-Training、Hybrid Example、Flow Matching Action Expert等核心模块出发，分析π0.5如何实现Open-World Generalization，并重点梳理OpenPI中从数据预处理、Prompt Tokenization、Policy构建到Action Sampling的完整推理流程。

本文记录了在windows系统部署gemini cli的方法

本文介绍了Orbbec Gemini335相机的驱动安装方法。Windows系统需从官网下载驱动包，安装后通过设备管理器确认设备识别情况。Linux系统则需要执行一系列命令：更新软件源、安装依赖库、克隆SDK仓库、运行安装脚本并重新加载udev规则。两种操作系统的安装流程都提供了清晰的步骤指引，确保用户能正确完成相机驱动的配置工作。

本文记录了opencv中rgb转gray的计算原理

本文继续分析GR00T N1.7源码中的数据处理流程，重点梳理LeRobot格式数据集、modality.json字段映射、ModalityConfig时间采样、StateActionProcessor状态动作归一化、相对动作转换以及如何将原始机器人样本整理成模型输入。

本文以论文《A Systematic Study of Data Modalities and Strategies for Co-training Large Behavior Models for Robot Manipulation》为主线，介绍 VLA 中 co-training 的基本思路、不同数据类型的实际作用，以及工程落地时需要注意的问题。

本文继续深入GR00T N1.7动作头内部实现，重点分析CategorySpecificLinear、CategorySpecificMLP、MultiEmbodimentActionEncoder、DiT和AlternateVLDiT等模块的源码逻辑。