Tags: #cross-embodiment

精读 Physical Intelligence 的 π₀.₇：多模态 context、混合质量数据、子目标图像与异步 flow policy 如何带来灵巧、跨形态和组合泛化。

精读 Galaxea G0.5：用跨形态 ActionCodec、原生 CoT 与视觉记忆，把 VLM 重新变成同时推理和行动的 autoregressive VLA。

精读 ACE-Ego-0：用 camera-space action、形态条件、时间对齐和可靠性加权，把 1.48K 小时人类第一视角视频与机器人数据统一用于 VLA 预训练。

精读 Qwen-RobotManip：通过跨 embodiment 对齐、相机坐标系动作、人到机器人合成与双流训练，把约 38,100 小时开放数据转化为可迁移的 VLA 能力。

精读 π₀：基于预训练 PaliGemma VLM 与 flow matching action expert，在 10000+ 小时跨形态机器人数据上预训练，并验证直接提示、语言指令和微调。