还没买RDK X5,总结了教程。

场景 (Scene)是一个静态的环境，像一个空的舞台。演示 (Demonstration)是在这个舞台上完成一次任务的完整记录，也称为“轨迹 (Trajectory)”。它包含了专家（人类遥操作或最优规划算法）在该场景中为完成特定任务（如“拿起杯子”）而执行的每一步动作和环境状态。演示的主要用途是模仿学习 (Imitation Learning)。常规重播（默认）：脚本在每一步执行演示文件中记录的

从一张普通的二维图片算出图像里各个物体的相对远近关系。难点在于二维图片是对三维的投影，很多深度信息丢失了。因为最后一层包含了最终决策的最丰富、最高级的语义信息。浅层卷积提取的是边缘、颜色、纹理等局部低级特征。深层卷积将低级特征组合成了高级概念，比如眼睛，车轮等，能反应模型基于哪些部件进行的决策。

从一张普通的二维图片算出图像里各个物体的相对远近关系。难点在于二维图片是对三维的投影，很多深度信息丢失了。因为最后一层包含了最终决策的最丰富、最高级的语义信息。浅层卷积提取的是边缘、颜色、纹理等局部低级特征。深层卷积将低级特征组合成了高级概念，比如眼睛，车轮等，能反应模型基于哪些部件进行的决策。

具身智能（Embodied AI），指的是能够通过物理身体（如机器人、自动驾驶汽车等）在真实世界中进行感知、交互和学习的智能系统。它强调智能体必须拥有一个“身体”（Body），并通过这个身体与环境互动，从而获得对世界更深层次、更符合物理规律的理解。

具身智能（Embodied AI），指的是能够通过物理身体（如机器人、自动驾驶汽车等）在真实世界中进行感知、交互和学习的智能系统。它强调智能体必须拥有一个“身体”（Body），并通过这个身体与环境互动，从而获得对世界更深层次、更符合物理规律的理解。

词向量（Embeddings）将非结构化数据，如单词、句子或者整个文档，转化为实数向量的技术。这些实数向量可以被计算机更好地理解和处理。从response这行开始，将输入的文本的text封装成Embeddings。

词向量（Embeddings）将非结构化数据，如单词、句子或者整个文档，转化为实数向量的技术。这些实数向量可以被计算机更好地理解和处理。从response这行开始，将输入的文本的text封装成Embeddings。

词向量（Embeddings）将非结构化数据，如单词、句子或者整个文档，转化为实数向量的技术。这些实数向量可以被计算机更好地理解和处理。从response这行开始，将输入的文本的text封装成Embeddings。

词向量（Embeddings）将非结构化数据，如单词、句子或者整个文档，转化为实数向量的技术。这些实数向量可以被计算机更好地理解和处理。从response这行开始，将输入的文本的text封装成Embeddings。