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 →Robot Basic Lab / Embodied AI Foundations
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。
/ LEARNING DIRECTIONS
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。
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 →理解机器人如何从 Expert Demonstrations 学习行为,并与强化学习形成互补。
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。
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。
/ PARALLEL LEARNING PATHS
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。