TianxingChen /Embodied-AI-Guide
[Lumina具身智能社区] 具身智能技术指南 Embodied-AI-Guide
★ 16,964⑂ 1,088👁 111⑃ 75● 17▤ 1
+5
日增长
16,964
stars
1,088
forks
111
watchers
75
prs
17
issues
1
releases
README
! 具身智能技术指南 Embodied-AI-Guide 国内最热门的具身智能技术指南 一份偏「百科全书」定位的具身智能中文知识库与资料索引 从这里开始 · 动手学习 · 认知资料 · 算法篇 · 基础设施篇 · 控制篇 · 硬件篇 !GitHub repo stars !Visitors !PRs Welcome !License 📚 本项目希望帮助新人快速建立领域认知:以一个实践项目带大家动手入门具身智能,同时以百科全书的形式梳理当前具身智能涉及的主要技术,让大家清楚不同技术能解决什么问题,未来想深入时有头绪。 欢迎 Star / 分享 / 提 PR。合作与交流可邮件联系 [email protected],或添加项目发起人微信 TianxingChen_2002(请备注:机构 + 姓名 + 来意)。 📢 News|项目进展 📝 2026-01-15: Embodied-AI-Guide 完成内容重组 ⭐️ 2025-12-18: GitHub Stars 突破 10,000 ❤️ 2025-03-15: Embodied-AI-Guide 正式开源 🧑💻 Related Projects|相关开源项目 ⭐️ Lumina Call(具身智能招聘):website ⭐️ Datawhale every-embodied(具身智能入门教程):repo 🦉 Lumina 具身智能社区 社区主页:lumina-embodied.ai。扫描下方二维码加入交流群;如果二维码失效或无法入群,请邮件联系 [email protected],或添加项目发起人微信 TianxingChen_2002(请备注:机构 + 姓名 + 来意)。 !Lumina 具身智能社区 🐣 (1) Start From Here —— 从这里开始 具身智能是指一种基于物理实体进行感知和行动的智能系统,其通过智能体与环境的交互获取信息、理解问题、做出决策并实现行动,从而产生智能行为和适应性。 说得更直白一些:大模型已经能很好地处理文字和图像,因为互联网上有海量现成数据;但要让机器人真的伸手把桌上的杯子拿起来,模型必须输出连续的、有物理后果的动作,而这类数据没法从网上爬——每一条都要有人用真机采,采错了还会把东西打碎。这个「数据从哪来、动作怎么表示、做得好不好怎么衡量」的三连问,构成了具身智能当前最核心的矛盾,也是本指南反复出现的主线。 (1.1) How —— 如何使用这份指南 本项目的设计理念是「一条主线 + 一张全景图」: - 一条主线:用第 2 章的实践教程,让你在一周内亲手跑通一个操作策略的完整流程; - 一张全景图:用第 3 ~ 7 章以百科全书的形式覆盖算法、基础设施、控制与硬件,帮助你判断每项技术解决什么问题、值不值得深入。 建议的阅读顺序:先动手跑通第 2 章,再按兴趣检索后续章节,不必按顺序通读。 (1.2) 学习路线建议(按背景选择起点) 不同背景的读者不必从同一处入手,可参考下表选择起点: | 你的背景 | 建议起点 | 推荐路径 | | ------------------- | ----------------------- | -------------------------------------------------- | | 完全新手 / 在校本科生 | 第 2 章 动手教程 | (2) 跑通流程 → (3) 建立认知 → (4) 算法篇 → 按兴趣深入 | | 有 CV / NLP / 深度学习基础 | 第 4 章 算法篇 | (4) 重点看 Robot Learning 与 VLA → (5) 基础设施 → (2) 动手验证 | | 有自动化 / 机器人学背景 | 第 4 章 算法篇 | (3) 了解版图 → (4) 补齐学习与决策 → (5) 熟悉仿真与数据生态 | | 偏硬件 / 嵌入式 | 第 7 章 硬件篇 | (7) 硬件篇 → (6) 控制篇 → (2) 动手教程 | | 想快速了解行业与选题 | 第 3 章 认知资料 | (3.1) 方法论 → (3.5) 论文列表 → (3.6) 年度趋势 | (1.3) 术语速查表 阅读论文与本指南时高频出现的概念,先建立字面认知即可,细节留给对应章节。 展开术语速查表(20 条) | 术语 | 一句话解释 | | ----------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------- | | Manipulation / Locomotion | 操作(用手臂改变环境)与移动(用腿或轮子移动本体),具身智能的两条主线 | | Policy(策略) | 从观测到动作的映射,也就是日常所说的「模型」 | | IL / BC(模仿学习 / 行为克隆) | 从人类演示数据中以监督方式学习动作 | | RL(强化学习)