LIBERO-plus = “把原版 LIBERO 的 40 个 task 沿 7 个扰动维度复制 250 倍 → 10030 个评测任务”，专门用来看模型在新桌面、新光照、新初始位姿、新相机角度、新指令重述下还能不能完成同样的 base task，模型仍然只用原版 40 task 的训练数据训。比 leaderboard 公平的代价是 prompt 里会带一些filename 残留的 pertu

本文总结了如何：先进入你的项目目录：查看当前远程仓库地址：示例输出：二、清除当前的 Git 地址记录方法 1：删除当前远程仓库记录删除后再检查：如果没有任何输出，说明当前远程地址已经清除成功。例如：2. 检查是否设置成功示例输出：四、如果只是想修改 origin 地址，也可以直接改如果不想先删除再添加，可以直接修改：例如：五、推送项目到 GitHub1. 先查看当前分支名如果你想统一使用分支：2.

输入的是整张图像，不是单个像素。VAE 的本质是：把输入图像编码成一个潜在高斯分布，从中采样得到低维潜变量，再通过解码器重建图像。世界模型的本质是：先用 VAE 把图像变成潜状态，再在潜空间中预测未来，最后按需还原成图像。

UnifoLM-VLA 并不是把通用预训练数据与宇树机器人数据从头到尾放在同一阶段混合训练，而是先完成 VLM 的 continued pre-training，再进行 VLA/action 训练。

本文档用于说明：在复杂软件项目中，如何以“人负责目标、约束与反馈；智能体负责执行”的方式，建立一套高效、可扩展、可治理的开发流程。这套方法尤其适合以下场景：复杂项目开发不再只是“人工写代码”，而是围绕以下三个核心展开：换句话说，复杂项目的关键不只是产出代码，而是持续设计一个“能让系统稳定产出正确代码”的工程框架。4. 第一阶段：需求定义与目标约束复杂项目开始之前，首先要明确的不是实现细节，而是以下

Shard 不是一种固定文件格式，而是一种存储组织方式。Shard = 一个较大的存储单元，里面顺序存放大量样本，用于高吞吐顺序 IO。sample：一条训练样本batch：一次送进 GPU 的一组 sampleshard：磁盘上的一个“大文件”，包含很多 sample把“大量随机小读” → 变成“少量顺序大读”Shard 训练 = 用大文件顺序读 + 内存中近似随机 + IO 与 GPU 并行流