Robot Basic Lab / Embodied AI Foundations

从学习型 Policy,
走向具身智能系统。

以可运行实验和工程证据理解机器人如何观察、决策与行动。这里不是大模型概念陈列,而是一条从 Reinforcement Learning 基础逐步走向 Robot Policy 的长期路线。

四个方向,按真实完成度开放

Reinforcement Learning Foundations EA00—EA13 已完整开放:EA00—EA10 Beginner Core,EA11—EA13 Robot Policy Bridge。其他 Embodied AI 方向继续保持 roadmap 状态;课程完成不代表真实机器人部署已验证。

01 / DIRECTIONEA00—EA13 COMPLETE

Reinforcement Learning Foundations

从最小决策与交互系统出发,理解 Reward、Policy 与训练证据,逐步走向 Robot Policy。

进入 RL Foundations →
02 / DIRECTIONPLANNED

Imitation Learning

理解机器人如何从 Expert Demonstrations 学习行为,并与强化学习形成互补。

03 / DIRECTIONPLANNED

Robot Policy

把感知、目标、策略输出与机器人控制接口连接为可验证的系统。

04 / DIRECTIONFUTURE

VLA / WLA Orientation

在概念稳定、证据充分时,理解通用机器人策略与世界模型的发展边界。

机器人系统与学习型 Policy 平行发展

Embodied AI 不插入 ROS 2 → SLAM → Nav2 主线。两条路线分别建立系统能力与学习策略能力,只在未来 Robot Policy 项目中按真实需要汇合。

ROBOTICS SYSTEMSROS 2 → SLAM → Nav2通信、建图、定位、规划与控制
+
EMBODIED AIRL → IL → Robot Policy交互学习、示范学习与策略接口
→
FUTURE INTEGRATIONIntegrated Embodied Project只有经过验证后才建立真实系统汇合点