// Embodied AI · 具身智能

论文精读笔记

面向具身智能（Embodied AI）方向的中文论文解析。聚焦 VLA（视觉-语言-动作）模型、世界模型、控制策略、认知科学等方向，每篇包含架构精读、核心公式、以及与工程实践的连接。

已精读

14+

计划中

覆盖方向

// Recent · 最近更新按更新时间排序

2026-04 · 更新中

A Path Towards Autonomous Machine Intelligence

LeCun 的 position paper：模块化自主智能架构 + JEPA 非生成式世界模型 + 分层规划。含 §2 六模块、§3 JEPA 完整推导（Fig 8-16 交互讲解）、§4 设计动机与局限。

✓ 已精读 Yann LeCun · 2022 世界模型 · JEPA

2026-03

婴儿认知发育时间线

Dupoux 整理的 0–14 月认知能力获取图谱：感知、物理、社会沟通、动作产出。对 embodied AI "什么能力应该什么时候出现" 提供认知科学参考。

✓ 已精读 Dupoux 发育心理学

// By Direction · 按方向浏览 ✓ 已精读 · ○ 计划中

世界模型 · JEPA 路线

World Model · JEPA Lineage

LeCun 倡导的非生成式联合嵌入预测架构。按 "开山→横向扩展→原理改进" 组织。

① 开山之作

JEPA / H-JEPALeCun 2022 ✓

② 横向扩展（模态/场景/规模）

I-JEPA图像 · Meta 2023 ○ MC-JEPA多任务 · Meta 2023 ○ V-JEPA视频 · Meta 2024 ○ Audio-JEPA音频 ○ Point-JEPA · 3D-JEPA点云 / 3D ○ ACT-JEPA动作预测 ○ V-JEPA 2Meta 2025 ○

③ 原理/架构改进

LeJEPA理论简化 ○ Causal-JEPA因果结构 ○ V-JEPA 2.1 ○ LeWorldModel ○ ThinkJEPA推理型 ○

VLA · 视觉-语言-动作

Vision-Language-Action

把 VLM 作为 backbone，直接从感知+指令映射到机器人动作。当前 embodied 主流路线。

① 主模型

π₀Physical Intelligence 2024 ○ RT-2Google DeepMind 2023 ○ OpenVLAKim et al. 2024 ○

② 基础组件

PaliGemmaSigLIP + Gemma ○ Flow MatchingLipman 2023 ○ SigLIP视觉编码器 ○

③ 延伸方向

SayCanLLM 任务分解 ○ Helix / Figure AI ○

控制 · Policy & Planning

Control · Policy / Planning

底层策略网络与经典控制方法。常作为 VLA / 世界模型的下游输出。

① 生成式策略

Diffusion PolicyChi et al. 2023 ○ ACTAction Chunking Transformer ○

② 模型预测控制

MPC / MPPI经典最优控制 ○ TD-MPC2学习型 MPC ○

③ 层次化规划

DirectorHafner et al. 2022 ○

认知科学 · 参考背景

Cognitive Science

从婴幼儿认知、动物智能借鉴经验，指导 embodied AI 的数据/课程/评测设计。

① 发育心理学

婴儿认知发育时间线Dupoux ✓

② 核心概念

Core KnowledgeSpelke & Kinzler ○ Intuitive Physics BenchmarkIntPhys ○

// ABOUT

关于本项目

这是一个个人学习笔记仓库，记录具身智能（Embodied AI）方向的论文精读过程。每篇笔记包含：论文核心贡献、架构拆解、关键公式推导、以及与实际工程/研究的联系。使用中文写作，英文专业术语保留对照，方便查阅原文。

如有错误或建议，欢迎通过 GitHub Issues 指出。