搜索面试经历、知识题和 Coding 题。
至少输入两个字符。结果覆盖知识库、面试、Coding、公司和主题。
为具身智能面试中反复出现的概念提供标准答案。
当前主题：embodied-ai
共 71 个问题
π*0.6 要让 VLA 从自身经验（含失败）中变得可靠；真机 PPO 受采样成本、稀疏奖励与 on-policy 约束限制；RECAP 用离线 value 学习 + 优势条件化训练把 RL 转化为条件化监督学习。
该模块预测下一阶段子任务的自然语言 token；推理时先采样子任务，再把它与观测拼接作为动作专家的条件，随执行进度滚动更新。
数据层的异构 co-training（网络图文、多机器人、言语指令）、训练目标层的高层子任务预测、训练策略层的离散 token 预训练 + 连续专家微调，三层叠加支撑开放世界泛化。
会。动作专家与 VLM 端到端联合训练，动作损失经注意力反传到主干；预训练知识靠海量 co-training 数据与小学习率保护。
π0 主打通用高频低层控制，π0.5 主打开放世界泛化：靠异构 co-training、子任务预测与离散 token 预训练 + 连续专家微调的两阶段训练，把泛化能力显著推高。
架构延续 π0 的 VLM + 动作专家；推理先预测高层子任务文本，再以子任务为条件生成动作；训练用异构 co-training，动作预训练混入 FAST 离散 token，损失含子任务语言建模与动作项。
可选：冻结主干只训 adapter/动作头、LoRA 参数高效微调、两阶段离散预训练后接连续专家、完全离散自回归输出、并行读出头等，各自在迁移与控制精度间取舍。
动作块覆盖未来约 1 秒（H=50、50Hz）的关节级控制量；块内按时间戳顺序执行，执行期间或块尾重新观测并生成下一块，相邻块用外推与平滑衔接。
动作专家从高斯噪声动作块出发，每步依据 VLM 提供的上下文 KV 预测速度场，沿 ODE 积分若干步得到干净动作块。
π0 直接沿用 PaliGemma（SigLIP 视觉编码器 + Gemma 语言主干），多相机图像 patch 与语言 token 拼接共享全注意力；机器人专有信号不进入 VLM 上下文，只经输入投影提供给动作专家。
两者都把本体状态经输入投影只喂给动作专家而非 VLM，保持主干本体无关；π0.5 更强调跨本体共训，状态的作用被进一步弱化，更多依赖视觉闭环。