从 Cosmos 迁移
关注 future observation prediction 是否能帮助选择动作，而不是只生成好看的视频。
RoboWorld 2026：把课程学习变成参赛产出
RoboWorld 2026 Evaluation system Benchmark map
为什么要有目标活动
只学习概念容易停在“我看过论文、跑过 demo”。一个明确的外部产出会迫使你回答更实际的问题：任务是什么、指标是什么、baseline 在哪里、我的改进是否真的有效、别人能否复现。
本课程选择
主目标采用 RoboWorld Challenge 2026 · WorldNav：单张初始 RGB 图像和自然语言指令输入，输出完整未来导航轨迹。它同时覆盖 language grounding、world model、policy 和 trajectory evaluation，和课程主线最一致。
三个赛道的取舍
| Track | 定位 | 为什么选 / 不选 |
|---|---|---|
| WorldNav | 主目标 | 任务形式与课程最贴近：vision + language → future trajectory；允许 world model、VLA 和 policy-only 方法。 |
| HA-VLN 2.0 | 进阶目标 | 闭环 RGB-D 导航、动态行人和 social compliance 很有价值，但系统复杂度更高。 |
| SafeDrive-VLA | 观察目标 | world-model dreaming 与安全冲突很有启发，但训练数据约 1.2TB，不适合作为第一参赛目标。 |
完整对比见 RoboWorld 2026 参考页。
课程能力如何迁移
从 RSSM 迁移
用 rollout error vs horizon 检验想象稳定性，避免只看 teacher-forced loss。
从 SmolVLA 迁移
审计 action chunk、单位、坐标系、Stop 语义和 embodiment，不把接口跑通当作任务掌握。
从 PushT 迁移
把 episode-safe split、baseline、offline/closed-loop 证据阶梯带到官方数据审计。
产出路线
P0 Decision 阅读规则、注册、确认算力/存储、选择 WorldNav
P1 Reproduce 审计 schema、下载最小子集、复现 baseline
P2 Improve 只加入一个明确组件：语言编码 / 轨迹解码 / latent rollout / VLA adapter
P3 Validate 在 seen + unseen validation 上报告 SR、ATE、RPE、route fidelity
P4 Submit 生成官方格式预测、记录分数变化、写技术报告
P5 Archive 固化配置、seed、命令、失败案例和下一版计划项目目录模板和详细检查表见 ROBOWORLD_2026_PLAN.md。
实践：写你的参赛立项页
- 创建
roboworld_2026/README.md。 - 写下团队、主赛道、方法路线和第一个 baseline。
- 列出输入张量、输出张量、单位和官方指标。
- 定义 P0–P5 里程碑和每阶段的可交付文件。
- 写出风险：数据下载、算力、动作空间、 unseen 泛化、提交格式。
- 明确失败判据：什么结果说明该组件没有价值。
完成标准
队友只读你的 README 和 run.sh，就能复现数据审计、baseline、validation 和提交文件生成流程。
证据边界
- PushT 是二维 manipulation，WorldNav 是语言条件导航；本地结果不能预测官方排名。
- WorldNav 是 open-loop trajectory evaluation；HA-VLN 才提供更强的闭环交互评估。
- 官方页面当前只列时间线阶段，报名和提交前必须核对当届具体日期和规则。
- 比赛排名是外部结果；课程产出以可复现实验、清晰报告和失败分析为准。
检索练习
什么才算本课程面向 RoboWorld 的有效产出？
选择一个答案
有效产出的核心是可复现性和证据链：官方指标、baseline、消融、失败案例、提交记录和报告共同构成完整证据。
本课一手来源
官方信息见 RoboWorld Challenge 2026、WorldNav、HA-VLN 2.0、SafeDrive-VLA。
有疑问就问
把不理解的地方直接发给老师/agent，最好附上你观察到的现象和报错。
Course file: lessons/0013-roboworld-output.html