技术博客学习路线
不用按发布日期倒着读。从下面 10 个专题选择入口，先核对文章的前置知识，再运行与你的环境匹配的示例。顺序是阅读建议，并不意味着每篇都是下一篇的必修前提。
排障文章可以直接按问题查找；涉及机器人、驱动和网络配置的命令，先确认适用条件。草稿只在本地草稿预览中出现。
机械臂运动学
从坐标与 Jacobian 到解析解、数值 IK 和工作空间；实现章节可按所用工具选择。
规划、轨迹与控制
先区分几何路径和时间轨迹，再理解跟踪控制、动力学与全身控制的边界。
视觉与机器人标定
从可观测的标记点出发，统一相机、工具和基座坐标，再估计零偏与几何参数。
强化学习、生成与多模态模型
先理解交互与训练目标，再选择 Transformer、扩散模型、分布式训练、多模态理解或具身策略。
- Gymnasium入门(一)
- 强化学习基础
- PPO、DPO 与 GRPO 详解：从策略梯度原子模块到可运行 Python 实验
- GSPO 论文详解：从 token 概率比到序列优化，为什么能改善 MoE 强化学习？
- Transformer Attention 学习指南：从 Q/K/V 到现代大模型架构
- 大语言模型训练与指标详解：参数、权重、预训练、后训练与消融实验
- InternVL 3.5 深度解析：动态分辨率、Cascade RL、ViCO 与部署实践
- Diffusion 扩散模型入门指南：从 DDPM 到 Latent Diffusion 与 DiT
- 大模型分布式训练与显存优化指南：从 DDP、ZeRO 到 FSDP
- 论文《Being-0: 基于视觉语言模型与模块化技能的人形机器人代理》深度解析
- RynnBrain 深度解析：从时空 Grounding、Chain-of-Point 到 1.1 跨本体 VLA
- GEN-1.5 解读：机器人如何从一次示范中适应新任务？
- LeRobot 与 ACT 详解：从机器人示教数据到动作分块、训练与部署
- VLA 发展详解：从 RT-2、OpenVLA、π0 到 π0.5 与 π0.7
- X-VLA 详解：软提示如何连接跨本体学习、动作生成与机器人控制
- RTC 详解：动作块如何实时执行，从推理时引导到训练时条件与世界动作模型
- Light-Loco-Parkour 深度解析：从地形配对参考、多技能蒸馏到自主衔接与深度视觉控制
- VLA 与世界模型的数据来源：VR、主从采集、UMI、人类视频与仿真
几何处理与仿真可视化
从点云和凸分解开始，按需进入网格处理、浏览器可视化与仿真场景。
C++ 与构建工程
核对编译器和语言标准，理解所有权与并发，再管理第三方构建依赖。
Python 与调试环境
先固定解释器和依赖环境，再使用语言特性、进度条与 VS Code 调试。
CUDA 与嵌入式 GPU
区分主机编译器、内核执行、驱动设备和 Jetson 平台依赖，按故障层级排查。
Qt 与图形显示排障
先跑通 Qt/PySide 与绘图，再分别定位 EGL、XCB 和登录会话问题。
Linux、通信与设备
先掌握观测工具和权限，再验证串口与 TCP/UDP，最后处理网络配置和字节编码。