可复现排错：Git、下载、系统 ABI 与证据状态
把安装、网络、扩展和运行错误按层定位，保留最小证据并清理日志隐私。
RESEARCH & ENGINEERING
学术与工程
分类整理研究讨论、工程经验与实验复现记录。
GPU 软件栈与 PyTorch / JAX 正确计时
分离驱动、Toolkit、框架运行时，并在异步执行后同步计时。
Python 工程：pyproject、uv 锁定与构建隔离
区分运行依赖与构建依赖，从 wheel 和最内层异常排查安装失败。
Direct / Agent 配对评测与进展核验
固定 episode 身份与预算，区分任务成功、工具完成和机制消融。
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。
VLA 执行：动作分块、时延与闭环反馈
分离动作表示、生成、消费和调度，量化观测年龄与异步切换。
导航基线与框架迁移：论文、代码和资源审计
为 NavDP、FLUX、NavIsaacLab 和 ProtoMotions 建立固定版本的接口审计表。
视频到仿真场景：几何、尺度、碰撞与导航
补充 COLMAP 与 OpenUSD 流程，区分视觉重建和可物理仿真的交付物。
人群行为、人体运动与物理控制的接口
分离意图、路径、全身参考和执行，明确 MotionLib 与策略资产的配套关系。
ROS 2 与仿真：时钟、TF、QoS 和过期动作
以 Jazzy 官方文档补充消息兼容、时间戳与 reset 后的控制安全边界。
社交导航 Benchmark：模块契约与指标
整理十二模块架构，明确特权观测、安全、效率和社交指标的边界。
人形机器人：控制维度、对称性与课程恢复
分离模型坐标和策略动作，按阶段验证接触、重置与完整续训。
仿真时序、NavMesh 更新与性能剖析
区分物理、控制、传感器和渲染周期，定位启动与稳态开销。
碰撞、接触与麦克纳姆轮的最小实验
从碰撞代理、滚子轴和接触包络定位振动，按坐标推导轮速。
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。
强化学习实现：目标、掩码与梯度路径
把 PPO/GAE、TD、集中训练及表征学习连接到可检查的接口。
Autograd、梯度累积与训练状态恢复
解释图生命周期、eval 与推理模式，并给出梯度累积和检查点契约。
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。
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。
多智能体 RL Benchmark 与协作评价
按合作、竞争、混合动机、局部观测及跨伙伴泛化整理 MARL 基准。
单智能体 RL Benchmark 选型与指标
合并五份调研，按控制、视觉泛化、离线数据及具身任务选择基准。
RL 实验统计、置信区间与调参预算
分清随机种子与 episode，整理功效分析、bootstrap、IQM 和调参泄漏。
TD7 Policy Checkpoints：训练与评估分离
区分候选策略、已部署策略、assessment 与独立 evaluation。
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。
仿真器、World Model 与规划
说明实验环境、学习动力学模型及内部 rollout 的不同职责。
Meta-RL：任务分布与快速适应
梳理基于优化、上下文推断与循环记忆的适应路径。
马尔可夫性、部分观测与 RNN 记忆
区分物理状态、观测、历史和 belief，避免将 RNN 隐状态当作充分统计量。
IPPO、COMA 与多智能体梯度方差
修正 COMA 拼写，比较独立学习、集中式 critic 与反事实信用分配。
Goal-Conditioned RL、UVFA 与 HER
对齐目标条件价值、事后目标重标记和层次控制接口。
MDP Homomorphism 与状态动作抽象
区分奖励/转移保持、策略提升、互模拟与近似表示。
Options、SMDP 与 Intra-option Learning
统一时间抽象、持续时间折扣和跨 option 的样本复用。
Potential-Based Reward Shaping
用望远镜求和解释策略不变性，明确终止状态与奖励尺度的条件。
最大熵 RL、SAC 与对偶温度调节
合并五份笔记，修正温度梯度符号及 off-policy 与 offline 的混淆。
重参数化与路径导数
推导高斯重参数化、tanh 密度修正和适用边界。
离线 RL 与价值外推误差
解释数据支持域之外的价值估计、max backup 与误差传播。
Diffusion Policy：分布建模与控制时序
作为已有 P08 的深化笔记，梳理去噪时间、动作块与执行闭环。
行为克隆、动作分桶与多模态动作
从监督损失到闭环分布偏移，比较回归、分类及离散加残差建模。
Eligibility Traces 与 TD(λ)
整理前向 λ-return、后向资格迹、在线等价条件和终止边界。
策略梯度、REINFORCE 与替代目标
从轨迹似然推导梯度，并解释 baseline、PPO clipping 与 KL 诊断。
On-policy、Off-policy 与经验回放
合并完全重复笔记，梳理行为策略、目标策略及数据分布偏移。
收缩映射、不动点与随机逼近
区分确定性 Bellman 收缩与带噪递推的收敛条件。
概率测度、经验测度与 RL 占据分布
统一概率核、轨迹分布、平稳分布及折扣占据测度的记号。
MDP、价值函数与 Bellman 误差
从 Bellman 方程到 MSBE、MSPBE、TD error 与双采样问题。
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。
该分类暂无已发布内容。