Public Docs
【模型量化】深度学习模型量化 & 量化理论 & 各平台的量化过程 & 硬件加速
【TVM】TI关于TVM的使用测试与分析
【LLM&LVM】大模型开源工程思维导图
SmartSip
【北航卓越工程师】《汽车前沿技术导论:智能驾驶》讲义
【工具链】Yocto使用介绍——使用Yocto创建一个树莓派的系统镜像
【工具链】使用ssh+dialog指令设定服务器指定用户仅容器访问
【推理引擎】一篇关于模型推理的详细对比与学习
【推理引擎】关于TVM中的Schedule优化详解(On going)
【LLM微调】使用litgpt进行私有数据集模型微调的测试总结
【TVM】在TVM Relay中创建一个自定义操作符
【STT+LLM+TTS】如何使用语音转文字模型+大预言模型+语音生成模型完成一个类人的语音交互机器人
【RAG】 通过RAG构建垂直领域的LLM Agent的方法探索
【RAG】GraphRAG精读与测试(On going)
【AI Agent】MetaGPT精读与学习
【AI Base】Ilya Sutskever 27篇必读论文分享清单
【Nvidia】Jetson AGX Orin/ Jetson Orin nano 硬件测试调试内容(On going)
【BI/DI】LLM Using in BI Testing Scenario (On going)
【Nvidia】How to Activate a Camera on Nvidia Platform in Details
【RAS-PI】树莓派驱动开发
【行业咨询阅读】关注实时咨询和分析
【mobileye】2024 Driving AI
【mobileye】SDS_Safety_Architecture
【yolo】yolov8测试
【nvidia】Triton server实践
【alibaba】MNN(on updating)
【OpenAI】Triton(on updating)
【CAIS】关于Compound AI Systems的思考
【Nvidia】关于Cuda+Cudnn+TensorRT推理环境
【BEV】BEVDet在各个平台上的执行效率及优化(On Updating)
【Chip】AI在芯片设计和电路设计中的应用
【Chip】ChiPFormer
【Chip】关于布线的学习
【Chip】MaskPlace论文精读与工程复现优化
【gynasium】强化学习初体验
【Cadence】X AI
【transformer】MinGPT开源工程学习
【中间件】针对apollo 10.0中关于cyberRT性能优化的深度解读和思考
【Robotics】调研了解当前机器人开发者套件(on updating)
【Robotics】ROS CON China 2024 文档技术整理与感想总结(上2024.12.7,中2024.12.8,下场外产品)
【algorithm】关于模型、数据与标注规范的平衡问题
【nvidia】DLA的学习了解与使用
【nvidia】构建nvidia嵌入式平台的交叉编译环境(其他环境平台可借鉴)
【2025AI生成式大会】2025大会个人总结
【Robotics】 Create Quadruped Robot RL FootStep Training Environment In IsaacLab
【Robotics】如何一个人较为完整的完成一个机器人系统软件算法层面的设计与开发
【VLM】读懂多模态大模型评价指标
【VLM】大模型部署的端侧部署性能与精度评估方法与分析
【Nvidia】Jetson Orin 平台VLM部署方法与指标评测
【Database】向量数据库
【SoC】性能与功耗评估
【MCP】MCP探索
【InnoFrance】一个“关于声音”的有趣项目
【Robotics】写给那些想要快速了解机器人或者具身智能的工程师们
【Robotics】open X Embodiment RT-X 数据集下载与使用和分析
文档发布于【Feng's Docs】
-
+
首页
【Robotics】写给那些想要快速了解机器人或者具身智能的工程师们
# 学习资料汇总 ## 1. 强化学习 移动行走相关的基础,对于基础来说非常好的课程。 * 西湖大学 zhaoshiyu的网课。 https://www.bilibili.com/video/BV1sd4y167NS?spm_id_from=333.788.videopod.episodes&vd_source=c551ef751ac5907298e9c711d193f9cd 教材PDF+PPT+代码网址: 1. 【Github】:https://github.com/MathFoundationRL/Book-Mathmatical-Foundation-of-Reinforcement-Learning 2. 【百度网盘】:https://pan.baidu.com/s/1kNxM8sl8FUWV6SiiGIep3Q?pwd=ghx8 3. 【Onedrive】:https://westlakeu-my.sharepoint.com/:f:/g/personal/lyujialing_westlake_edu_cn/EgN1-0jOU61BnaTkG7zJ9nsBUdjKEi6hNrdT5n8mp-qn3g?e=3MbtmD * 快速上手玩,可以尝试gym / gymnasium https://github.com/Farama-Foundation/Gymnasium 。 gym是openai早起的开源工程,也算是第一个比较完整的强化学习框架,后面交由专门的基金会维护后更名为gymnasium一些接口方面稍微有所区别。时候快速上手,了解强化学习的实际应用。 * 另一用来练手的教材,讲解了如何使用强化学习进行推箱子任务的流程 https://www.youtube.com/watch?v=AoGRjPt-vms https://github.com/johnnycode8/gym_custom_env * 如果是想在强化学习方面做算法研究,推荐“天授”,openai的infra工程师wengjiayi的早期工作 https://www.bilibili.com/video/BV1darmBcE4A/?spm_id_from=333.337.search-card.all.click https://github.com/thu-ml/tianshou ## 2. 移动行走 想要快速了解机器人是如何在仿真中行走并且有财力条件能买到机器人想尝试sim2real过程的 * 宇树的开源工程:https://github.com/unitreerobotics/unitree_rl_gym 基于legedgym库走通了g1,h1,go2等自己机器人的直立平衡和简单踏步行走的demo,基本单卡4090一个小时就能看到实际效果。很好的入门体验 * leggedgym:https://github.com/leggedrobotics/legged_gym 腿式机器人最好的框架,基于 nvidia issacegym(nvidia机器人训练平台,相比较gym/gymnasium支持gpu并行训练和渲染,极大提升了强化学习机器人训练效率) + rsl_rl(专门用来做足式机器人的强化学习库)。已经被nvidia issaclab(考虑到早起issacgym使用的不便性,整合的当前最新的平台)整合,是目前足式机器人行走训练的基础框架。https://github.com/Hellod035/LeggedLab 参考leggedgym适配得isacclab的框架。 * 足式机器人训练很好的视频教程,从逻辑到代码到流程把足式机器人训练讲得很清楚:https://www.youtube.com/watch?v=xwOaStX0mxE * deepmind 机器人方向首席科学家tanjie的早期论文:https://arxiv.org/pdf/1812.11103 Learning to Walk via Deep Reinforcement Learning 也可以学习阅读tanjie所有的sources https://scholar.google.com/citations?user=neGbgzYAAAAJ&hl=en ## 3. 操作抓取 目前操作抓取的范式工作还没有收敛,所以一方面需要多看多尝试,一方面了解当前工作的方案区分 * open X Embodiment RT-X 数据集:数据集非常全面是目前机器人领域最大的数据集,可以统计的数据片段有2419193段,大小达到了8964.94GB。https://blog.csdn.net/OpenDataLab/article/details/134399456 * 了解当前的vla分类:https://zhuanlan.zhihu.com/p/1984633925067362949 * lerobot:https://github.com/huggingface/lerobot/tree/main 最好的机器人操作 训练 部署的框架,支持很多当前各种vla模型的验证 Pi0Fast, Pi0.5, GR00T N1.5, SmolVLA, XVLA
dingfeng
2026年2月28日 12:04
21
0 条评论
转发文档
收藏文档
上一篇
下一篇
评论
手机扫码
复制链接
手机扫一扫转发分享
复制链接
Markdown文件
PDF文档
PDF文档(打印)
分享
链接
类型
密码
更新密码