面向有强化学习基础的 Machine Learning PhD：从 world model、embodied imitation 到 VLA、action representation 与最新 VLA+world model 融合趋势。
这个系列面向已经有强化学习基础的读者，目标不是追逐单篇大模型 report，而是建立一条可复用的理解路径：先分清 policy、world model、VLA 的边界，再理解 embodied imitation 工程栈，最后进入动作表征、部署约束与 VLA + world model 的前沿融合。
如何构建机器人基础模型 —— 可能的路线与挑战
一条第一性原理的推导链：机器人基础模型是什么、由什么组成、为什么大语言模型那套机器搬不过来、这个搬不过来在每个子系统里各要付多少代价，以及在这种前提下应该按什么顺序去造。
如何构建机器人基础模型 —— 可能的路线与挑战（TLDR）
演讲版：同一套论证，一屏一页，十五分钟读完，而不是五十分钟。
如何构建通用物理 AI：π0.7 从入门到精通
一篇可复现级别的 π0.7 深度拆解——每一个公开超参数、每个子系统的输入输出，以及一份诚实的「论文没告诉你什么」清单。