具身智能 · 开放研究栈

从第一性原理到物理行动。

补齐基础知识，执行完整管线，再用证据判断结果。一个面向学习、复现与研究的双语具身智能系统。

开始学习 查看领域地图 探索管线 English

01感知观测与状态

→

02理解目标与世界模型

→

03行动策略、控制与安全

→

04学习反馈与证据

14基础课程

10工程管线

5证据等级

中 · EN双语入口

选择你的入口

01 · 学习

建立完整知识模型

数学、机器学习、坐标系、运动学、感知、控制、系统、安全与评估。

02 · 定位

选择研究方向

把方向、前置知识、工程管线和当前证据放在一张可检查的地图中。

03 · 构建

执行一个完整系统

从输入开始运行每个阶段，保留产物，并检查明确的晋级门禁。

04 · 测量

带着上下文比较

把协议、数据预算、episode 数、负结果和原始产物边界一起阅读。

当前系统覆盖

SMOKE仿真与数据任务 → 专家 → 轨迹 → QA SMOKEVLA 策略多模态数据 → 策略 → 闭环评估 SMOKE世界模型转移 → 预测 → rollout → 规划 SMOKERL 后训练MDP → PPO → 评估 → 回归 INTERFACERFM / 跨本体统一协议 → 适配 → 安全层 INTERFACE具身推理指令 → 子目标 → 技能 → 重规划 SMOKE灵巧手重定向关键点 → 几何 → 优化 → 时序 DOCSim-to-RealReplay → HIL → 影子 → 受控部署 DOC感知与状态估计标定 → 同步 → 融合 → 置信度 DOC导航与运动状态 → 规划 → 控制 → 恢复

证据先于结论

能执行不等于有性能，仿真通过也不等于真机验证。

仓库明确区分 import、smoke、确定性测试、benchmark 与硬件验证。较低等级不能推出较高等级。

阅读验证政策 →

验证仓库

python scripts/run_pipeline.py --validate
python scripts/run_pipeline.py --list
python scripts/audit_repository.py
python -m pytest tests/ -q

根目录的 中文 README 是精简产品首页；文档站提供更完整的学习与工程层。