第 0 章：导论与环境搭建
理解具身智能的核心问题，搭建开发环境
教程
世界模型 + VLA + 具身智能
面向求职者的具身智能实战教程，覆盖视觉-语言-动作模型、世界模型和具身 Agent
第 1 章：视觉表示学习
从 ViT 到 CLIP 和 DINOv2，理解机器人如何'看懂'世界
第 2 章：VLM 基础——视觉-语言模型
理解 LLaVA、Flamingo 等 VLM 架构，让模型同时'看懂'图像和'听懂'语言
第 3 章：模仿学习与行为克隆
让机器人通过'看演示'学会操作——从 Behavior Cloning 到 ACT 和 Diffusion Policy
第 4 章：VLA 模型
Vision-Language-Action 模型：从 RT-2 到 OpenVLA 和 π0
第 5 章：世界模型
世界模型不是一种架构，而是一类关于状态、行动和未来的预测问题
第 6 章：VLA + 世界模型融合
当 VLA 遇到世界模型——想象增强策略、视频预测辅助动作、Cosmos + GR00T
第 7 章：具身 Agent 架构
让 LLM/VLM 驱动机器人自主完成任务——从 Code as Policies 到层次化 Agent
第 8 章：Sim2Real 迁移
从仿真到真实——域随机化、Teacher-Student、让仿真策略在真实世界也能工作
第 9 章：强化学习基础（附录）
PPO、SAC 和 model-based RL——与 VLA/世界模型相关的 RL 核心知识
项目 1：OpenVLA 微调实战
Fine-tune OpenVLA 到自定义桌面操控任务——你的第一个 VLA 项目
项目 2：世界模型 baseline 复现与评估
复现一个开源世界模型 baseline，并用反事实动作、rollout horizon 和任务指标拆解它的优势与瓶颈
项目 3：VLM-Agent 多任务系统
构建层次化 VLM-as-Planner + VLA-as-Executor 具身 Agent——简历核心项目