datawhalechina/every-embodied

它解决了什么问题

Every-Embodied 是一个全面的学习库，旨在降低进入具身人工智能（Embodied AI）领域的门槛。它弥合了理论机器人学与实际实现之间的差距，提供了一条从基础模拟到复现最先进（SOTA）模型的「从零到英雄」路径，使仅具备基础 Python 知识的人也能轻松入门。

它如何工作

该项目将学习过程分为三个逐步进阶的阶段：

1. 基础：聚焦机器人学基础、硬件选择以及 ROS（机器人操作系统），帮助用户搭建第一个仿真机器人。
2. 中级：涵盖计算机视觉、运动规划和强化学习，实现「识别-规划-抓取」闭环任务。
3. 高级：探索模仿学习、视觉-语言-动作（VLA）模型、视觉-语言导航（VLN）以及 Sim2Real 部署，复现前沿项目如 OpenVLA 和 SmolVLA。

它提供了多种基于 MuJoCo 和 Isaac Sim 等模拟器的动手示例，并提供硬件集成指南（例如 LeRobot 与 RDK-X5 开发板的结合）。

适合谁

• Python 初学者和转型开发者，希望进入 AI + 机器人领域。
• 学生和研究人员，希望快速掌握课程项目或论文复现所需的实践技能。
• 算法工程师，希望将视觉、强化学习或大语言模型能力迁移到物理交互场景中。
• 硬件与机器人爱好者，对从控制到 Sim2Real 部署的完整流程感兴趣。

特色亮点

• 实践优先方法：强调「先运行，看到结果，再理解原理」的工作流，减少挫败感。
• 广泛的 SOTA 覆盖：包含前沿 VLA 模型、世界模型（如 GE-Sim 2.0、tau0-WM）以及人形机器人强化学习的指南。
• 硬件集成支持：提供真实机器人操作教程，包括遥操作和在特定开发板上的部署。
• AMD ROCm 支持：包含专门的教程，用于在 AMD 硬件上复现策略。
• 多样化的模拟工具：集成多种环境，包括 MuJoCo、Isaac Sim 以及用于软体物理的专用模拟器。