傅利叶机器人具身智能一面面经分享

发一下问题给大家参考，攒攒人品！
1. 基础架构与熟悉度
• 你对 UniVLA 这个架构熟悉吗？
• UniVLA 的 late action model / 潜在动作模型 是怎么搭建的？（VQ-VAE 部分的逻辑）
• 你们这个架构非常大，你在其中承担哪些工作？
2. 训练范式与数据设计
• 你们的 subtask 是怎么标注时间段的？（开始/终止时间标注规则）
• 你们任务编码的 prompt 是给的拆解后的 prompt 吗？是怎么给的？
• 你们自己给 action 打了标签吗？
• 你们 SFT 调的是 7B 的 perspective 模型吗？两个 SFT 都调的是这个 7B 模型？
• 你们的数据量跟模型参数分别是多大？latent action 的参数量是不是只有 1–2B？
3. 技术细节与优化
• Pi 0.5 有看过吗？它有什么改进？
• 看过 real time chunking（RTC）吗？
• 复现的 py 结果有慢跟抖动，有没有考虑过后处理的方式？
• 提速有什么方式吗？
• 桌面高度是一定的吗？
• 对深度感知要求高的任务（scanning/inserting），是不是可以加额外的措施？有没有考虑过？
• 你们的训练计算资源是什么情况？
二、算法与技术路线类
1. 算法题
• 输入整数数组和整数 limit，找到最长的连续子数组，使得子数组中任意两个元素的绝对差不超过 limit，返回子数组长度
例：[8,2,4,7,2,4,7,8,2,4,7,8,2,4,7]，limit=4 → 输出 2
2. 技术路线与选型
• 目前视频预测模型为结构模型的方案、world model 相关工作怎么看？
• 你们的技术路线，对机器人全身控制会做类似 UniVLA / VLA 的工作吗？