人形二次开发线上营

人形机器人二次开发这件事，最劝退新手的不是算法难，而是链条太长：数采怎么做、模型怎么训、训完怎么落到真机上跑，任何一环断了都看不到结果。这套线上营的价值就在于把这条链条串起来讲了一遍，而且用的是宇树 G1、松灵臂这类能真实拿到的硬件，不是纯仿真里的理想情况。

它解决的是哪类工作场景

如果你所在团队要给人形或双臂平台做任务级开发，日常会卡在几个具体问题上：手头只有遥操作设备，不知道怎么高效采出可训练的数据；想用 ACT、π0 这类已有模型，但不确定自己的任务该选哪个；模型在离线指标上看着还行，一上真机就抖、就失败。这套内容基本围绕这些环节展开，从 VR 遥操采集 G1 数据，到 ACT 的采集—训练—真机部署闭环，再到 π0.5 那种高层预测子任务、低层执行的两段式结构，讲的都是工程上真正会遇到的取舍。它不承诺让你从零造一个 VLA，但能让你看懂现有开源模型各自的定位，知道什么任务配什么方案。

适合什么基础，先看哪几块

前提是你能读 Python，理解张量、训练循环和基本的模仿学习概念（状态、动作、示教）。完全没碰过深度学习的话，这里不是起点。建议的观看顺序不是按编号走：先看主从臂数采那一讲，把数据从哪来这件事弄明白，因为后面所有模型讨论都建立在这上面；接着看具身模型的横向梳理，它把训练数据、动作预测、强化学习应用和 Robotics VLM、通用 VLA 放在一起对比，帮你建立选型判断；最后再进 π0.5 和 GR00T N1 这两讲，前者讲推理加强下的分层结构，后者讲 VLM 慢思考加动作专家快反应的组合，两讲对照着看，能理解当前人形 VLA 的两种主流思路。

学完能独立做什么，资料怎么用

比较现实的目标是：你能自己搭起一套遥操采集流程，采出几十到上百条示教数据，用 ACT 训出一个能在真机上完成抓取或搬运这类单一任务的策略，并且知道失败时该从数据质量、动作表示还是部署环节去排查。再往上，你能读懂 π0.5、GR00T N1 这类模型的结构图，判断它们是否适合自己手上的任务，而不是只会跑通 demo。

练习上的建议是别只看视频。每一讲都对应一段可以动手的环节：采集那部分就真去采一批数据，哪怕只有二十条；训练那部分把 ACT 跑通一次，重点观察不同数据量下真机表现的变化；模型原理那几讲，边看边把结构画成自己的图，标出输入输出和推理频率。资料里的内容密度偏高，一次看完容易只剩印象，按采集、训练、部署、选型四步拆开，每步做完再回看对应片段，效果会稳很多。