深度学习是当代人工智能的核心驱动力。本文系统梳理深度学习的基本原理、经典网络架构、训练优化技术与正则化方法，涵盖 CNN、RNN、LSTM、Transformer、Adam、Batch Normalization、Dropout、Flash Attention 等关键技术，配有大量图表对比，为学习和研究深度学习提供全面参考。

Harness Engineering（Agent工程化）是2026年最重要的AI工程新范式：通过上下文工程、架构约束与熵管理三大支柱，为AI Agent构建可靠的生产级基础设施。OpenAI用此方法在5个月内零手写代码生成超100万行生产代码；LangChain仅修改Harness配置就将编程Agent的基准得分从52.8%提升至66.5%。本文系统梳理Harness Engineering的核心概念、关键技术与工程实践。

视觉-语言模型（VLM）是连接视觉感知与自然语言理解的核心技术，广泛应用于图像描述、视觉问答、视觉定位等任务。本文聚焦于实现多模态融合的关键方法，系统梳理从对比学习、跨模态注意力到统一生成模型的技术演进，为理解和研究VLM提供参考。

系统讲解 ROS 2 的核心概念、通信机制与工程实践。无论是第一次接触 ROS 2 的工程师，还是需要快速回顾知识点的开发者，本文都提供了清晰的概念图和代码示例。

AI Agent（AI 智能体）是能够自主感知环境、推理规划并执行多步骤任务的 AI 系统。本文系统梳理 AI Agent 核心架构、关键技术范式（ReAct、工具调用/MCP、反思、Harness Engineering、多 Agent）、代表性工作（ReAct、Reflexion、Voyager），并深入介绍 2025–2026 年主流商业 Agent 产品（Manus、Claude Code、OpenAI Codex、Devin、NemoClaw）与主流评测基准，聚焦软件端自主智能体的研究全貌。

系统梳理传统机器人导航算法栈：从感知、定位与建图（SLAM），到全局与局部路径规划，再到路径跟踪控制器，涵盖主要算法原理、对比与应用场景。

大语言模型训练是当前人工智能领域最前沿的研究方向之一。本文系统梳理大模型训练的完整流程、核心技术、工程实践与最新进展，为学习和研究大模型训练提供全面参考。

视觉-语言-动作（VLA）模型是机器人领域的前沿研究方向，统一了感知、推理和控制能力，使机器人能够基于自然语言指令执行复杂操作任务。本文对VLA的基本概念、技术架构、主要挑战和最新进展进行全面综述。

本文系统梳理VLN领域的经典论文，涵盖DualVLN、StreamVLN等最新研究成果，以及Diffusion Policy等VLN项目所依赖的基础工作。

视觉语言导航（VLN）是计算机视觉、自然语言处理和机器人导航交叉领域的前沿研究方向。本文对VLN的基本概念、任务类型、主要挑战和最新进展进行全面综述。