Tingde Liu · Research Notes

具身智能、视觉语言导航与机器人学习的中文研究笔记

访问网站 · 研究综述 · 技术博客 · 开源项目 · 关于作者

项目简介

这是 Tingde Liu 的个人学术博客与研究知识库，主要记录具身智能、机器人导航和多模态学习方向的中文综述、论文笔记与工程实践。

内容主要面向具身智能与机器人方向的研究者、学生和工程师，默认读者具备基础的机器学习与深度学习知识。

本站以系统梳理和持续更新为目标：既关注模型与数据的发展脉络，也关注训练方法、系统架构、评测基准和真实机器人部署。长篇综述用于建立完整的技术脉络，短篇文章用于记录阶段性观察与专题分析。

目前收录 17 篇研究综述与论文精读（约 5.7 万行 Markdown）、6 篇技术博客、按周更新的具身导航周报与 1000 余张论文与概念配图，仍在持续维护。

项目由 @TingdeLiu 创建并持续维护，自 2026-01-04 起连续 9 个月每月均有更新；读者通过文章反馈入口提交的 5 条社区反馈已全部处理关闭，完整记录见 MAINTAINERS.md。

研究方向

按方向组织的完整文章索引，全部为中文长文，可直接点击进入。

方向	文章	内容重点
视觉语言导航	VLN 综述	任务定义、数据集与基准，从模块化流水线到端到端导航智能体的演进
	VLN 经典论文	60 篇已发表或已上榜工作的精读，附三类任务设定的性能排行榜
	VLN 扩展论文	尚未进入排行榜的近期预印本与扩展增补，按年份倒序
视觉语言动作模型	VLA 综述	机器人策略学习、动作生成、模仿学习与强化学习的路线梳理
机器人导航系统	传统导航综述	SLAM、定位建图、路径规划与运动控制等经典方法
	ROS 2 完全指南	通信模型、生命周期节点、QoS 与真实机器人部署实战
多模态与空间智能	VLM 综述	视觉语言模型的多模态融合方法全景
	空间智能综述	三维场景理解、点云、深度估计与 Gaussian Splatting
世界模型与智能体	世界模型综述	环境建模与预测、视频生成式世界模型及其在具身任务中的应用
	AI Agent 综述	推理范式、记忆与技能、上下文工程、多智能体协作，以及 MCP / WebMCP / A2A / MHS 四层连接协议与安全
	Embodied Agent 经典论文	具身智能体闭环运行时（AgentOS / Harness）、类型化动作抽象、物理编排、场景图退出码评估与自演化治理
	具身 Agent Harness 架构综述	上层 Agent Harness（物理护栏/退出码评估/在线Critic）与下层软件系统工程（微服务/ZeroMQ/快慢双循环）深度协同
学习与训练方法	LLM 训练综述	预训练、后训练、对齐、并行策略与推理加速
	强化学习综述	从理论基础到具身智能场景的算法全景
	深度学习综述	网络结构、优化方法与训练技巧的系统梳理
	机器学习综述	经典模型与统计学习基础
工程实践	现代 Python 工程实践指南	环境与依赖边界、src 布局与 pyproject、uv 锁文件的真实保证范围、质量与 CI 流水线，以及 CUDA 依赖分层、ROS 2 与虚拟环境的兼容边界、实验可复现的四个层次

技术博客

文章	主题
RoboTTT 深度解析	TTT 模块如何把历史压缩进 Fast Weights，实现长时程存储与实时检索
Graph Engineering	大模型时代的智能体图拓扑编排与设计模式
Loop Engineering	Agent 工程化的下一代闭环范式
Mixture-of-Transformers	多模态基础模型的模态解耦与稀疏化演进
树状注意力训练	Robostral Navigate 如何将 VLN 训练 Token 压缩 22×
Harness Engineering	面向智能体的执行环境与工具链设计

具身导航周报

按周汇总 arXiv 新论文与中文社区解读，按「本期结论 → 优先阅读清单 → 重点工作分析 → 可迁移方法 → 分类速览 → 趋势判断」六段组织。只保留结论、证据与阅读优先级，不做论文清单堆砌；无法核实的数字会明确标注来源与口径。

期号	覆盖区间
2026-09-12	2026-09-02 ~ 2026-09-10
2026-09-05	2026-08-26 ~ 2026-09-03
2026-08-30	2026-08-20 ~ 2026-08-29
2026-08-22	2026-08-13 ~ 2026-08-20

后续新增周报同样发布在 Blog 页 的「具身导航周报」分区。

推荐阅读路径

1. 从 VLN 综述 了解视觉语言导航的任务定义、数据集和技术演进。
2. 阅读 VLA 综述 了解视觉、语言与机器人动作的统一建模。
3. 通过 空间智能综述 和 世界模型综述 扩展到三维理解与环境预测。
4. 需要动手实现时，再进入 ROS 2 完全指南 与 LLM 训练综述 的工程部分。
5. 想持续跟进最新进展，直接看具身导航周报，每期只给结论与阅读优先级。

内容组织

.
├── _posts/
│   ├── research/          # 长篇综述与论文精读（categories: research）
│   ├── blog/              # 专题解析与工程文章（categories: blog）
│   └── weekly-reports/    # 具身导航周报（categories: weekly）
├── images/                # 按研究主题分目录：vln / vla / vlm / wm / si / agent / llm-training ...
├── Analysis/              # 专题技术分析报告（VLN 技术分析、Waypoint 候选方法）
├── paper_summary/         # 论文摘要草稿，供正文引用（本地目录，未纳入版本控制）
├── _layouts/              # 页面布局：default / post / page
├── _includes/             # 导航、目录、反馈、页脚等页面组件
├── _sass/                 # 主题样式模块
├── js/                    # 文章交互脚本
├── home/ · research/ · blog/   # Project / Research / Blog 聚合页
├── tags/ · archive/       # 标签检索页与历史归档页
├── .github/workflows/     # GitHub Actions 部署流水线
├── _config.yml            # 站点、导航与插件配置
├── LICENSE                # 站点代码许可（MIT）
├── LICENSE-CONTENT        # 原创内容许可（CC BY 4.0）+ 第三方图片例外声明
├── CONTRIBUTING.md        # 反馈与贡献流程、写作约定
├── SECURITY.md            # 安全报告渠道与著作权下架请求
└── MAINTAINERS.md         # 维护者说明与社区反馈处理记录

文章使用 Jekyll 内置的 posts 集合，永久链接为 /:title/。categories 取 research / blog / weekly 三值，是聚合页分区的唯一依据，_posts/ 下的子目录仅用于维护源文件。

• Research 页按「具身导航（VLN）／具身智能与大模型／机器学习基础／机器人系统与传统导航」四组展示，未归组的新文章自动落入「其他」
• Blog 页分为「技术随笔」与「具身导航周报」两个分区

技术实现

• 静态站点生成：Jekyll 4.3，Ruby 3.2，定制主题（源自 Jekyll Now）
• 内容渲染：kramdown（GFM）+ Rouge 代码高亮 + MathJax 3 公式 + Mermaid 10 图表，Mermaid 仅在页面含图表时按需加载 CDN
• Jekyll 插件：jekyll-sitemap、jekyll-feed、jekyll-paginate、jekyll-seo-tag
• 阅读体验：章节目录抽屉（随滚动高亮当前小节）、顶部阅读进度条、代码块一键复制、标题锚点复制、配图点击放大、宽表格横向滚动、返回顶部
• 论文检索：VLN 与 Embodied Agent 论文精读内置交互式标签筛选栏，支持按多维技术特征实时过滤（VLN 篇支持跨篇联动）
• 图片资源：论文与概念位图统一转为无损 WebP 交付（888 / 1003），兼顾清晰度与加载速度；算法演示动画保留 GIF，矢量示意图保留 SVG，均不作有损转换
• 内容反馈：文章末尾一键提交 Issue（报告错误 / 推荐论文 / 修改建议），并回显相关 Issue 状态
• 部署：推送 main 分支后由 GitHub Actions 构建并发布到 GitHub Pages

本地开发

环境要求

• Ruby 3.2（与 CI 环境一致）
• Bundler

确认环境：

ruby --version
bundle --version

安装与运行

bundle install
bundle exec jekyll serve

本地站点默认运行在 http://127.0.0.1:4000/，构建产物输出到 _site/。

生成生产构建：

JEKYLL_ENV=production bundle exec jekyll build

Windows PowerShell 中也可以使用：

ruby -S bundle exec jekyll serve

PowerShell 生产构建：

$env:JEKYLL_ENV = "production"
ruby -S bundle exec jekyll build

内容维护约定

新增或修改文章前，请先阅读 CONTRIBUTING.md，其中记录了 front matter 字段、图片归档目录、Mermaid 与公式写法等约定。其中一条硬性规则：修改 _posts/ 下任何已有文章后，必须把 front matter 的 date: 更新为当天日期，以保证列表按最近更新排序。

内容反馈

如果你发现内容错误、遗漏的重要论文或可以改进的技术表述，欢迎：

• 提交 Issue
• 使用文章末尾的反馈入口提交错误报告、论文推荐或修改建议

提交反馈时请尽量附上原始论文、官方文档或可复现资料，方便核验与更新。详细的提交格式与处理流程见 CONTRIBUTING.md。

维护者通常在 3 个工作日内首次回复，无论是否采纳都会说明理由。截至目前收到的 5 条外部反馈已 100% 处理关闭，逐条记录见 MAINTAINERS.md。

许可与使用

本仓库采用双许可：代码与内容分开授权。

部分	许可证	覆盖范围
代码	MIT License	_layouts/ · _includes/ · _sass/ · js/ · style.scss · _config.yml · .github/workflows/ 等站点实现
原创内容	CC BY 4.0	_posts/ 下全部文章正文、作者绘制的 Mermaid 图表与表格，以及仓库文档
第三方论文图片	⚠️ 不在授权范围内	images/ 下取自论文、项目主页与官方文档的插图

⚠️ 关于第三方论文图片

images/ 下的绝大多数图片是从学术论文中引用的插图（架构图、实验结果图等），著作权归原论文作者及出版方所有。本站基于学术评述与教学目的引用，不拥有这些图片的著作权，因此无权以 CC BY 4.0 或任何其他条款转授权。

如需复用某张论文配图，请直接向原作者或出版方获取授权，或遵循该论文自身的许可条款（arXiv 页面会标注）。本站的合理引用基础不会随转载传递给你。详细说明见 LICENSE-CONTENT 第 4 节。

若你是某张图片的权利人并认为使用超出合理引用范围，请按 SECURITY.md 中的著作权联系方式告知，核实后会及时移除或补充授权说明。

引用本站

复用原创内容时请按 CC BY 4.0 署名：

作者：Tingde Liu
来源：https://tingdeliu.github.io/<文章链接>
许可：CC BY 4.0

学术写作中引用本站结论时，请同时引用相关原始论文——本站的贡献在于筛选、翻译与评述，方法本身的功劳属于原作者。

参与与维护

文档	内容
CONTRIBUTING.md	如何提交内容反馈与 PR、写作与图片约定、本地构建自查清单
MAINTAINERS.md	维护者身份与职责、完整的社区反馈处理记录、响应承诺、发布节奏
SECURITY.md	安全问题的私密报告渠道、真实攻击面说明、著作权下架请求

站点采用持续部署：推送 main 后由 GitHub Actions 构建并发布，线上版本始终对应 main 的最新提交。内容按需更新，不做版本化发布；需要引用某个确定时刻的版本时，可直接引用对应的 commit 链接。

联系方式

• GitHub: @TingdeLiu
• LinkedIn: Tingde Liu
• Email: tingde.liu.luh@gmail.com