一本从零开始的具身智能手册

从一只杯子，
走进具身智能。

机器人听懂了“把杯子拿来”，
然后呢？从看见、行动到学会做事，
我们把背后的算法，一步步讲明白。

从第一课开始先看看学习路线

零基础友好图解与小实验从直觉到论文

从一个拿杯子的任务开始概念示意

从相机画面里，找到想要拿起的杯子。

沿着问题，遇见算法感知 → 规划 → 动作 → 控制 → 反馈展开算法地图 ↗

START SMALL, UNDERSTAND DEEPLY

先从这两课开始

不必先学完所有数学。
带着一个问题，每次向前走一步。

LESSON / 01已发布

一句“把杯子拿来”，背后到底有多少算法？

从拿杯子的任务出发，认识感知、规划、策略、控制和反馈闭环。

建立全局地图·约 18 分钟

LESSON / 02已发布

机器人看到的世界长什么样？

分清图像、深度、点云与本体状态，读懂一段真实的观测—动作记录。

认识观测与动作·约 15 分钟

YOUR LEARNING JOURNEY

一条走得通的学习路线

查看全部 12 课

前两课已发布

认识机器人

看见世界，理解行动

任务分工 · 观测与动作 · 坐标系

规划中

理解怎样学会

从示范到动作策略

模仿学习 · ACT · Diffusion Policy

规划中

走进通用模型

连接视觉、语言与动作

RT · OpenVLA · π 系列

规划中

完成一次实验

从成功回放到失败分析

数据 · 训练 · 评测与复现

手册正在持续生长。已完成的内容正式发布，下一站的方向清楚标记。

CONNECT THE DOTS

听过一个名字，
找到它的位置。

从研究问题进入模型家族，
把零散的术语连成一张地图。

浏览模型与系列索引

V→A

模型家族导览

OpenVLA

从看图说话，到看图行动。

模型家族导览

π 系列

连续动作、动作压缩与泛化。

让“看懂了”，成为“能解释”。

每课都有图解、思考题与原始资料。先建立直觉，再深入机制。

拿起第一只杯子

从一只杯子，走进具身智能。