具身算法手册探索指南
算法地图｜先问问题，再找方法
按研究问题定位感知、规划、策略、控制与世界模型，了解后续内容范围。
这是一张覆盖知识库规划范围的算法地图。公开版本已提供两篇入门课、学习路线、系列索引，以及 OpenVLA 和 π 系列导览；列出的细分主题是后续内容范围，均处于规划中。目录数量不代表课程数量。
读这页，为了什么？
Section titled “读这页，为了什么？”00—01 · 起点与知识底座
Section titled “00—01 · 起点与知识底座”- 入门内容：第 01 课、第 02 课｜机器人看到的世界长什么样？、学习路线、本地图、系列索引。
- 知识底座（规划中）：机器人基础、模仿学习、强化学习、生成式建模、多模态基础。
02 · 算法主库：五类问题
Section titled “02 · 算法主库：五类问题”- 感知与表征（规划中）：几何与状态；语义与交互；预训练表征（R3M 等）；多模态感知。
- 任务推理与规划（规划中）：任务分解与记忆；SayCan；Code as Policies；VoxPoser；任务与运动规划（TAMP）。
- 策略与动作生成（规划中）：基础方法与代表架构（BC、ACT、Diffusion Policy、DP3）；预训练通用策略与模型家族（RT、Octo、OpenVLA、π 系列、SmolVLA、GR00T）；横向专题。
- 运动规划与控制（规划中）：运动规划；反馈控制；腿式运动（RMA 等）；全身控制与跟踪（H2O 等）。
- 世界模型与预测（规划中）：预测表示；Dreamer；模型式规划；预测与行动评测。
03 · 数据、训练与评测
Section titled “03 · 数据、训练与评测”- 内容规划：数据集；数据采集；工具链；仿真平台；评测基准；训练与部署；评测与复现。
- 代表入口包括 BridgeData V2、DROID、Open X-Embodiment、LeRobot、openpi、ManiSkill、Habitat、LIBERO 与 CALVIN，先分清各自是数据、工具、平台还是基准。
04 · 任务实战
Section titled “04 · 任务实战”- 内容规划：桌面操作；双臂与灵巧操作；导航与探索；移动操作；腿式与人形运动。
- 同一种方法可能用于不同任务。同一个任务也可能组合多种方法，别用“单臂 / 人形”等身体标签替代算法分类。
交叉关系怎样记录
Section titled “交叉关系怎样记录”- 正文按主要研究问题归属，另记录：条目类型、学习范式、生成机制、输入输出、任务、机器人形态及来源。
- 模仿学习和强化学习属于学习范式；扩散和流匹配描述生成机制；OpenVLA、π 等具体对象需逐版本看设计。
- 一个模型可以覆盖多类职责。本地图不要求每套系统必须有五个相互独立的算法模块。
从原始资料继续
Section titled “从原始资料继续”页面类型：专题导览 / 目录 · 更新：2026-10-24。标注“规划中”的条目尚无正式正文。