BaiShuanghao/Awesome-Robotics-Manipulation

解决的问题

本项目为快速发展的机器人操作领域提供了一张结构化、精选的地图。它通过将学术文献组织成清晰、逻辑严密的分类法，帮助研究人员和开发者在从传统控制方法到现代基于学习的方法等广阔的文献领域中进行导航。

工作原理

该仓库将研究论文归类为一个两阶段框架：高层规划和底层动作建模。它将任务级推理（如任务规划或几何约束）与用于生成可执行机器人动作的具体学习策略（如模仿学习或强化学习）联系起来。它还跟踪重要的资源，包括模拟器、基准测试和数据集。

适用人群

专为机器人研究人员、学生和工程师设计，他们需要了解具身智能、机器人基础模型以及灵巧手、软体机器人或人形控制等各种操作任务的最新发展。

亮点

• 精选了全面的机器人操作研究论文集。
• 具有将高层规划与底层动作建模联系起来的系统化分类法。
• 包含专门的模拟器、基准测试和数据集部分，以支持实际研究。
• 涵盖了包括灵巧手、软体机器人、移动机器人和人形机器人操作在内的多种操作领域。
• 持续更新最新的研究成果和社区贡献。