2026 年的 VLA 很少有很深的技术积累，上层还是比较空的，所以速通的时间可以比较快。但后面想要做深、做 work，就要好好学习基础。

这份学习路线有几个特点：

  1. 不从 CNN 等传统内容开始，而是直接从 LLM 到 VLA。学习时间比较短，适合三个月速通，或者适合一些想要等有一定知识之后再补基础的人。
  2. 从项目入手，由上至下地学习。不先打完整基础，而是锚定一个核心目的猛扎，在这个过程中学习需要掌握的知识。但是这样一定需要养成独立思考的能力、询问问题的能力，认知范围和圈子才能不断扩大。

具体的入门历程，我个人推荐如下。

1. 大模型基础

这一部分可以不按照传统的深度学习路线来，直接从 Transformer 开始看起。

推荐炮哥带你一起学的 Transformer 教程，深度了解 Transformer 的基础。如果想要学得深一点，可以看苏剑林的博客或者李沐。然后去过一下 ViT，知道什么是 VLM，了解模型训练和推理的基本流程。

这两个网课再速通，也可以不跟着炮哥做项目。

2. 工程基础

这里可以去做 CS336 A1 或者 DeepMind 等项目，目的是了解完整的模型和整个框架。

不推荐用 Agent 等工具一键生成之后再去读代码，而是自己慢慢读、慢慢写，用小数据跑通，再加上简单的推理。做到这一步时，对模型的信息流以及工程基础就有感觉了。

3. VLA 入门

去看论文和开源代码，不要怕看不懂。

这里推荐看 StarVLA 这个项目，目的是了解 VLA 发展，以及知道什么是 VLA。目前很多 VLA 都使用它作为 codebase。熟悉它里面的 OFT、Pi、GR00T 等几个模型，在一定程度上就能看到 VLA 的几个分支。

在这个过程中去补基础，比如什么是 Flow Matching，什么是 Diffusion，什么是 VAE，什么是 CNN，什么是 SFT 等。看的时候可以顺带看最近日期的综述，了解当前 VLA 的发展；也可以上手改 StarVLA，修改动作头，重新训练并跑 benchmark。

4. 论文精读和知识拓展

这时候可以去看 JEPA、Fast-WAM、WAM 综述、世界模型，看《强化学习的数学原理》，看 PI0.5、PI 等论文。

然后也可以去刷感兴趣的论文，批判论文，看 Agent、VLN 等其他方向的论文，培养自己的感受。

千万不要挂死在 VLA 上。可以反过来把 VLA 当成自己入门深度学习的一个工具。

5. 学习基础数学原理

最后还是要学习基础的数学原理，追求深度和 solid。

如果有真机资源

如果有真机资源，尽可能跑一遍完整的数采、训练、推理流程。

在数采的时候，可以去学 ROS2、IK、MPC；如果做 RL，可以去学 MuJoCo、Isaac Sim 等基础。

这里给我写的一个脚本打个广告：panda667/single-piper-recoder。它可以在 WSL 上使用单个 Piper 机械臂，无需 leader 或者遥操作等方式，来采集 LeRobot 格式的数据。

SO-100 机械臂 LeRobot 采集项目，整体流程可以参考：LeRobot 中使用 SO100/101Arm 机器人手臂 | Seeed Studio Wiki。