VLA：从感知到行动

沿着视觉、语言与动作这条线索，建立自己的基础知识目录。

基础准备

整理视觉表征、语言表征与动作表示的基础笔记，记录概念来源和仍不理解的问题。

模型阅读

为每篇选读论文记录输入、输出、模型结构、训练目标与数据。将论文结论和自己的理解分开。

数据与评估

记录所用数据、任务、评估协议与限制，方便比较同一问题上的不同方法。