1 —— 定位：端侧 robotic foundation model
- 最难的一半你们做完了：本体量产、进了真实场景、带着 VR 遥操作在跑；剩下的是模型与数据系统 [blog: carnewschina 2026-04-13]
- 目标是端侧的 foundation model。要有 foundation model 的能力，就得走大模型范式——参数、数据、FLOPs、算法强度一起 scale up，用计算换智能 [arXiv:2606.05737]
- 做大之后再压回端侧：以 OPD 为主的蒸馏技术栈 + infra 优化 + 推理软件优化 + 软硬件协同设计，最终活在 0.7 kWh 的预算里 [arXiv:2604.00626]
2 —— 系统长什么样
- 两个工厂：Model Factory 把数据变成能上车的策略，Data Flywheel 把机器人的运行变成可训练的数据 [arXiv:2511.19647]
- 它们之间只有两条通路——Policy API Contract 与 Episode Contract；中间那个器官 evaluation 两头卡 [arXiv:2604.15483 §3]
- 流水线的右半段就是"压回端侧"那一段：compress 与 serve [arXiv:2602.18397]
3 —— 模型怎么被调用，怎么被训练
- 输入：最多 4 路相机 × 最多 6 帧历史、每帧 448×448；proprioception 每个历史状态一个 token；语言 prompt 六个字段 [arXiv:2604.15483 §VI-B]
- 输出：50 个 action token（执行 25 个就重规划）加一个标量 value；最小变体 3 路相机、5 步去噪下 38 ms [arXiv:2604.15483 App. D]
- 每个本体的 action 维度是所有公开系统都没给的一个量，由 embodiment adapter 决定 [arXiv:2604.15483 §VI-B]
4 —— 一条训练样本，三路监督
- backbone 由 FAST token 交叉熵监督（DCT → 量化 → BPE，700 压到 53，词表 1024，只在训练时存在）[arXiv:2501.09747]
- action expert 由 flow matching 监督，噪声直线插值到记录下的 chunk；value head 由结局与接管监督 [arXiv:2410.24164]
- 中间那道防火墙是关键：action expert 的梯度不回流进 backbone，否则动作训练会磨掉 VLM 的语义能力 [arXiv:2604.15483 §III]
5 —— 技术选型：VLA 是主线，world model 有确定的位置
- 两条路线都继承 web-scale 预训练，分歧在继承哪一种先验：VLA 拿 vision-language 先验，WAM 拿 video-generation 先验。说"从头训 WM vs 用现成 VLM"是个假对立 [arXiv:2602.15922]
- 我们从 VL 先验起步，因为产品要的是语言条件化的任务指定，而且这条路已经有被公开验证过、能压回端侧的链路 [arXiv:2604.15483 §V-E]
- world model 我们照用，只是不放在 backbone 里：训练期的辅助目标只花几个 token；subgoal 生成器是慢档——0.25 Hz，与 5 到 30 Hz 的策略异步跑，产出"这个子任务做完时世界长什么样" [arXiv:2604.15483 §V-B]
- 代价说清楚：subgoal 的质量受限于时间分割标注的质量。它挂在标注管线下游，不是凭空多出的物理知识 [arXiv:2604.15483 App. C]
6 —— 数据地图：我们怎么想数据这件事
- 两个轴决定一份语料的用途：action grounding 决定它能训模型的哪一部分，policy relatedness 决定它能不能支撑 value 学习 [arXiv:2602.18397]
- operations 是图上的向量，每一条都有明确成本、明确失真，并自带验证义务 [arXiv:2511.19647]
- 你们车队产生的、带 action grounding 的真实数据是必需品，这张图上没有任何操作能把它造出来——这也是它最难被替代的原因 [arXiv:2604.15483 §3]
7 —— 数据飞轮
- 单机 128 GB/h、一天约 3 TB/day，乘以车队规模就是回传量级——分流必须做在机器人本体上 [computed: 128 GB/h × 24 h]
- 只打分不删除；label 是挂在不可变 episode 上的可变层；dataset version 就是一份 manifest [arXiv:2511.19647]
- 那份随机配额不能砍：砍掉它，留下来的全是失败，模型学到一个永远出错的世界 [arXiv:2511.19647]
8 —— 评估：整条路线的瓶颈
- 区分 50% 与 60% 的成功率要约 387 次试验，而公开工作每个 checkpoint 只有 100 次真机试验 [computed: two-proportion test]
- 所以先重建场景，再用 2000 次仿真筛选，真机只花在幸存者身上 [blog: World Labs real-to-sim-to-real]
- 仿真自己的可信度要持续测。我们不预设相关性阈值——那个数应该由 P0 实测的评估方差定出来，现在写死就是编的 [computed: 阈值由 P0 实测方差确定]
9 —— 强化学习：经验循环怎么真的转起来
- 真机上不能 reset、不能自由探索、环境不给奖励，所以 PPO 那一类在车队上不可行；奖励必须被构造出来 [arXiv:2408.03539]
- 四种信号：影子模式分歧最便宜、结局最明确、接管只能做段级标记（机器人的失败是连续过程，不像车上是离散事件），力矩与触觉把段收缩到帧 [arXiv:2604.15483 §3]
- 算法是 advantage 条件化的监督训练，不是策略梯度——车队混合了遥操作、自主与干预，行为策略密度未知，重要性采样根本拿不到 [arXiv:2604.03037]
10 —— 路线图
- 五个阶段按顺序排、不按日期排，每个阶段由它消掉的风险定义，由一个客观放行条件结束 [arXiv:2511.19647]
- 评估建在模型之前，端侧排在飞轮闭合之后——两个次序我们都写明了理由和翻案条件 [arXiv:2605.24011]
- P0 到 P2 用的是主流大模型 post-training 与 RL 技术栈，已被公开复现；P3 是重心——把大模型压回端侧，是我们必须自己做成、也决定产品能否成立的一段 [repo: FlashRT]
B1 —— 压缩链路：怎么压回端侧
- 蒸馏这一步用 on-policy distillation：教师在学生自己走到的状态上给反馈，和 experience loop 押的是同一个原理 [arXiv:2604.00626]
- 排序由实测决定：编译零精度代价拿 1.5 到 3.34×，少步蒸馏拿 3.3× 且精度不降 [arXiv:2602.18397]
- 量化买到的是显存不是速度——通用工具链只量化语言 backbone，而瓶颈在 action head [arXiv:2605.24011]
- 2.5 bpw 是拐点，2 bpw 崩到 48.0%，起步规则是停在 4 bpw；但那 0.4 pt 只是量化单步的代价，链路总预算由 P3 实测后分配 [arXiv:2605.24011]
B2 —— Serving
- batch-1 的 VLA 推理是 memory-bandwidth bound，优化目标是搬运的字节数，不是 FLOPs [arXiv:2602.18397]
- 同一个前向在 Jetson Thor 上 action head 占 50%，在 RTX 4090 上只占 23%——边缘侧最大的那一项正是通用量化不碰的那一项 [arXiv:2602.18397]
- 已公开最好的端侧成绩来自手写 kernel：44.0 ms、23 Hz，越过了解析屋顶线 [repo: FlashRT]
B3 —— 配比如何随阶段迁移
- 阶段之间变的是权重，不是建设顺序。这张图只给次序，不给份额——我们没跑过这条路，任何具体百分比都会是编的 [arXiv:2511.19647]
- on-policy rollout 在 P2 之前必然为零（没有自主运行的策略），之后是唯一一个成本随算力和车队扩张、不随人员编制扩张的来源 [computed: P2 之前没有自主运行的策略]
- 它到底能占多大，取决于那条没人公开过的转化曲线和车队规模，是 P2 的直接产出 [computed: 检索未发现已披露转化曲线]
B4 —— 我们还不知道什么
- 教师规模、机上功耗、我们自己的压缩悬崖位置，都由 P1 与 P3 实测确定 [computed: 全文未解决项的汇总]
- 接管到可测提升的转化率没有公开曲线，它决定 P2 需要多大车队 [computed: 检索未发现已披露转化曲线]
- Open bet 只针对一件事：world model 该不该成为策略。已报告 2 倍泛化优势，但 14B 参数、7 Hz 的形态进不了端侧预算；触发条件是压缩后能进预算的版本出现 [arXiv:2602.15922]