datawhalechina/every-embodied

해결 과제

이 프로젝트는 구조화된 실습형 학습 경로를 제공하여 구현 지능(Embodied AI) 학습의 높은 진입 장벽을 해결합니다. 이론적 지식과 실제 구현 사이의 간극을 메워, 사용자가 기본적인 Python 프로그래밍에서 복잡한 로봇 제어 시스템 및 대규모 시각-언어-행동(VLA) 모델 배포까지 단계적으로 나아갈 수 있도록 돕습니다.

작동 방식

이 프로젝트는 '실습을 통한 학습'을 강조하는 3단계 커리큘럼으로 구성되어 있습니다. 튜토리얼, 환경 설정 스크립트, 최소 작동 예제들로 이루어진 포괄적인 라이브러리를 제공합니다. 사용자는 기초 로봇 공학 및 시뮬레이션(예: MuJoCo)에서 시작하여 컴퓨터 비전과 강화 학습으로 나아가고, 최종적으로 모방 학습, VLA 모델, Sim2Real 배포와 같은 고급 주제를 다룹니다. 저장소에는 특정 작업을 위한 코드, 하드웨어 통합 가이드, 최신(SOTA) 연구 재현을 위한 문서가 포함되어 있습니다.

대상 독자

• AI 및 로봇 공학 분야로 전환하려는 Python 개발자.
• 프로젝트나 논문 작성을 위해 실무적인 기반이 필요한 학생 및 연구자.
• 시각, 강화 학습, LLM을 물리적 로봇에 적용하는 데 관심이 있는 알고리즘 엔지니어.
• 하드웨어 제어부터 시뮬레이션 및 배포까지 전체 파이프라인을 이해하고자 하는 하드웨어 애호가.

주요 특징

• 초보자 친화적: 복잡한 이론으로 인한 좌절을 최소화하기 위해 실행 가능한 데모와 환경 스크립트에 집중합니다.
• 실습 중심: 추상적인 개념화보다 '실행하고, 관찰하고, 이해하는' 과정을 우선시합니다.
• 최신 기술 연계: MuJoCo, Isaac Sim과 같은 도구와 OpenVLA, SmolVLA와 같은 고급 모델을 다루며 업계 트렌드를 반영합니다.
• 포괄적인 범위: 하드웨어 제어, 3D 재구성, 강화 학습, 멀티모달 내비게이션에 관한 튜토리얼을 포함합니다.
• 커뮤니티 주도: 다양한 연구 기관과 기업의 지원을 받아 학습을 위한 협력적인 생태계를 제공합니다.