具身智能 · 学习与工程

理解闭环。
构建系统。
证明结果。

一套连接第一性原理、可运行 Pipeline、科研路线与明确证据边界的双语课程体系。

第一次来？从这里开始 打开课程合同 解析前置依赖 探索 Pipeline English

45知识节点

14基础课程

12能力模块

11工程 Pipeline

7科研路线

3毕业项目

按目标选择入口

起步

完成第一小时挑战

用证据自测定位起点，生成个人路线，并保存第一张实验卡。

学习

建立前置依赖链

沿六个阶段从实验纪律和数学基础进入任务系统与部署证据。

准备

配置可复现工作站

选择经过审查的技术栈、隔离依赖、运行分层检查，并保留环境回执。

构建

执行一个完整系统

从输入开始，保留中间产物，测量结果，并按阶段定位失败。

科研

把问题转化成证据

选择基线、冻结协议、设计消融，并声明晋级门禁。

专项

从零进入 VLA 与 WAM

理解各算法族，按约束选型，建立匹配基线，再进入科研级实验。

一个完整闭环

01观测传感器、坐标系、状态与不确定性

→

02决策目标、策略、推理与预测

→

03行动控制、限位、Watchdog 与停止

→

04评估任务指标、失败与学习

每种方法最终都必须把观测连接到可评估行动。看起来合理的命令、开环 Loss 或已完成脚本本身都不等于任务成功。

七条科研路线

01基础模型与 VLA策略 · 适配器 · 消融 02操作与模仿学习基线 · 失败 · 闭环 03灵巧操作与遥操作重定向 · 接触 · 保持 04导航与具身智能体状态 · 规划 · 恢复 05人形与运动控制运动 · 鲁棒性 · 安全 06感知与世界模型不确定性 · 预测 Rollout 07仿真、数据与评估数据说明 · 基准 · 门禁

Pipeline 覆盖

Smoke-tested · 8 Interface-tested · 2 硬件依赖 · 1

SMOKE仿真与数据任务 → 专家 → 轨迹 → QA SMOKEVLA 策略多模态数据 → 策略 → 评估 SMOKE世界模型转移 → Rollout → 规划 SMOKERL 后训练MDP → PPO → 评估 → 回归 INTERFACERFM 与跨本体统一 Schema → 适配器 → 安全层 INTERFACE具身推理指令 → 技能 → 反馈 → 重规划 DOCSim-to-RealHIL → 影子模式 → 受控部署 SMOKE灵巧手重定向关键点 → 几何 → 优化 SMOKE感知与状态标定 → 同步 → 融合 SMOKE导航与运动状态 → 规划 → 控制 → 恢复 SMOKE灵巧操作预抓取 → 接触 → 抬升 → 保持

证据先于结论

能够执行不等于有性能。仿真不等于真机验证。

仓库明确区分导入、Smoke、确定性测试、Benchmark 证据和有边界真机验证；较低等级不能推出较高等级。

验证规范 → · 真实性门禁 → · 基准报告 →

本地验证

python scripts/run_knowledge_map.py --validate
python scripts/run_pipeline.py --validate
python scripts/run_learning_path.py --validate
python scripts/run_curriculum.py --validate
python scripts/audit_repository.py
python -m pytest tests/ -q

根目录的 English README 和 中文 README提供仓库总览；本站承载更细致的学习与工程内容。