关于pi中的input/output transform 有几点比较重要的点: compute_norm_stat和train中都使用了config，因此不存在归一化空间与推理时使用的空间不一致的情况 训练阶段只使用了input transform, 推理阶段使用了input & output transform # c...

ros2 + rosbridge + lichtblick lichtblick docker lichtblick可以直接docker启动 https://github.com/lichtblick-suite/lichtblick doc: https://lichtblick-suite.github.io/docs/ sudo docker run --rm -p 808...

绝对or相对？ umiEE是相对于第一帧的， 将绝对的EEF pose转换为相对于第一帧的 所以就目前看来，意思是 而且根据59中的代码: # generate relative pose with respect to episode start for robot_id in range(self.num_robot): ...

目标：标定pika与机械臂末端架爪坐标系 因为架爪与机械臂末端之间的定制连接件的孔位不是严格对齐的，因此使用六点标定（偏移和旋转量），架爪TCP到末端的变换矩阵。 坐标系 pika坐标系: pika的坐标系是在夹爪中心上，x轴朝前、y轴朝左、z轴朝右。 Agilebot坐标系 工具坐标系：这是用来定义工具中心点（TCP）的位置和工具姿势的坐标系。工具...

eval：开环与闭环 Single-instance Sim Benchmark Real Dataset

参考： Maximum Likelihood Training of Score-Based Diffusion Models(NeurIPS 2021) Flow Matching for Generative Modeling 基础概念 概率路径(probabilty path): 一个随着时间$t\in[0, 1]$变化的概率分布簇${p_t(x)}$ 连续正则化流(Cont...

概念定义 What is a Vision-Language-Action Model? VLM并不一定包含预训练的VLM, 满足VLA定义的关键在于： 能接受language + video输入 能够预测actions 但忽略了一点： 是否进行了基于视觉-语言数据的互联网规模预训练 如果没有internet-scale train, 作者认为属于 multimo...

关于VGGT中的AA

## 数据采集 硬件 基站亮绿灯 确保顶部HTC vive的传感器已经启动（亮绿灯） 程序 标定（清空之前的结果，否则去掉–force-calibrate） cd ~/workspace/pika_ros/install/libsurvive/bin && ./survive-cli --force-cali...