当前位置：首页 > web >正文

【RL-VLM-F】算法框架图绘图学习笔记

web 2025/7/12 23:11:05

RL-VLM-F

绘图描述

下面是一份针对该“RL-VLM-F 算法示意图”在内容结构、布局风格、配色与图标等方面的详细专业描述：

1. 整体布局与结构

模块划分
- 模块 A：Reinforcement Learning
  - 放在左上角，白色圆角长方形卡片（card），带 subtle drop-shadow。
  - 卡片标题置于左上方，“Reinforcement Learning” 字样，字体略大（如 16–18 pt），黑色，无粗体。
- 模块 B：Rollout Trajectories
  - 紧邻 A 的右侧，等宽白色圆角卡片，标题“Rollout Trajectories”。
- 模块 C：Sampled Observation Pair & Task Description
  - 位于 B 下面，稍微向左对齐，占据中间偏右位置，白色圆角卡片，内部分为上下两部分：
    - 上半部：两张并排的观察帧（Observation），用细线分隔。
    - 下半部：一行文本框，黑色等宽字体，内容为任务描述，例如 "Fold the cloth diagonally"。
- 模块 D：Vision Language Model
  - 紧靠 C 左侧，置于中央偏下，白色圆角卡片或标注贴纸（sticky note 风格），卡片内仅放一个简化的神经网络拓扑图示意，并在下方或右上角标注“Vision Language Model”。
- 模块 E：Preference Label
  - 紧邻 D 的右侧，同样白色圆角卡片，内部上下两排：
    - 上排展示一对帧对比图示（从 C 拆出），左侧为正确示例，上方绿色对勾；
    - 下排为错误示例，下方红色叉号。
  - 卡片标题“Preference Label”置于顶部中心。
- 模块 F：Reward Model
  - 位于左下角，与 A 横向呼应，白色圆角卡片；
  - 内部放一个与 D 类似但配色不同的神经网络节点拓扑图示意，卡片下方或右上角标注“Reward Model”。
连接及流程
- A → B：一条笔直的实线箭头，颜色为柔和蓝色，箭头指向 B。
- B → C：多条聚合的弯曲箭头（表示从多条 rollout 中采样），每条箭头顶端带一个小图像缩略（上下不同配色的布料形状），箭头汇聚到 C 顶部。
- C → D：一条直线箭头，连接 C 的右下角指向 D。
- D → E：一条虚线箭头（或实线皆可，但略细），指向 E。
- E → F：一条实线箭头，指向 F。
- F → A：一条弯曲的实线箭头，从 F 回连到 A 模块左侧，箭头末端在 A 内部，表示“Reward Learning”。箭头旁标注“Reward Learning”。
- A 内部：在 Environment 图标与 Policy 图标之间用双向虚线箭头环状连接，表示交互式训练环路。
流程注释
- 在 B → C 的箭头旁纵向标注“Sampling”（文字与箭头同色，斜体或小号字体）。
- 在 F → A 的箭头旁水平标注“Reward Learning”。

2. 配色与图标风格

卡片与文字
- 卡片底色：纯白，圆角约 8 px，投影微弱（偏灰 20% 不透明度，模糊半径 4 px，Y 偏移 2 px）。
- 标题文字：黑色（#000000），字号约 16–18 pt；正文标签、注释文字：深灰（#333333），字号约 12–14 pt。
主色调
- 箭头与流程线：柔和蓝色（Hue ≈ 200°, Saturation ≈ 50%，Lightness ≈ 60%）；
- 图标：
  - Environment（地球）：绿 (#6CA65F) + 蓝 (#4A90E2) 扁平色块；
  - Policy（机械臂）：灰色 (#7F8C8D) + 粉色 (#F187A1) 点缀；
  - Trajectory 缩略图：每条线对应小型布料形状，用粉色、橙色、紫色等浅色系；
  - 对勾/叉号：对勾—纯绿色 (#2ECC71)，叉号—纯红色 (#E74C3C)。
图标形式
- 扁平化（Flat Design）：无渐变、无投影，使用统一线宽（约 2–3 px）的矢量图形；
- 简洁：图标内部不使用细节阴影，仅用纯色填充；节点图示（D、F）用彩色圆点 + 细线连边，节点颜色与主色调呼应（如浅蓝、浅红、浅黄）。