P08 扩散策略：通过动作扩散学习视觉运动策略
在视觉条件下联合去噪生成连续动作序列，并用滚动执行形成闭环。 多步采样、视觉条件与动作长度影响实时性；复杂双臂任务仍有较多失败。
文献阅读
阅读目录 →围绕研究问题、核心方法、实验结果与局限整理阅读笔记。
P35 For SALE / TD7：状态动作表征学习
区分 SALE 表征目标、TD7 工程组件及实证结论的适用范围。
P36 GAE：优势估计的偏差与方差
由 TD 残差构造优势，连接 reward-to-go、λ-return 和 critic 误差。
技术与教程
教程目录 →18 篇中英文技术教程，涵盖学习实现、机器人仿真、导航场景、VLA 与工程工具链。
OpenPI × LIBERO：服务、观测和动作契约
根据固定上游代码补充字段、图像方向、动作队列与单请求验证。
机器人资产：CAD、USD、URDF 与惯量验收
建立单位、组合层、关节帧和动力学属性的逐层验收流程。
PyTorch：轴语义、广播与存储布局
用形状契约区分换轴、重塑、视图与复制，避免损失广播错误。
学术与工程
分类目录 →理论与方法
强化学习基础、概率、策略优化与动作建模。
基准与实验方法
Benchmark 选型、统计评价与可复现实验协议。
学术研究
研究问题、方法分析与学术讨论。
工程实践
工具链、系统实现、部署与问题排查。
实验复现
算法实现、实验配置、结果与可复现性。
可复现的 RL 实验与报告协议
统一环境版本、训练预算、checkpoint 选择、独立测试和统计汇总。
具身 RL、LLM/VLA 与研究问题设计
把样本效率、任务适配、奖励和时序问题转为可比较的研究实验。
跨论文对照与研究路线
从动作生成、策略适配与实时执行，到人体运动、导航环境和可验证实验。
Hexo 与 GitHub Pages：保留源码的构建和发布流程
从依赖安装、静态生成到 Git 发布，整理个人主页维护中可复用的工程经验。