datawhalechina/every-embodied

它解決的問題

Every-Embodied 是一個全面的學習程式庫，旨在降低進入具身人工智慧（Embodied AI）的門檻。它彌補了理論機器人學與實際實現之間的差距，提供一條從基礎模擬到重現最前沿（SOTA）模型的「從零到英雄」路徑，讓僅具備基本 Python 知識的人也能輕鬆入門。

它如何運作

該專案將學習過程分為三個逐步進階的階段：

1. 基礎：專注於機器人學基礎、硬體選型以及 ROS（機器人作業系統），協助使用者設置第一個模擬機器人。
2. 進階：涵蓋電腦視覺、運動規劃與強化學習，以實現「辨識－規劃－抓取」的閉迴路任務。
3. 高階：探討模仿學習、視覺-語言-行動（VLA）模型、視覺-語言導航（VLN）以及 Sim2Real 部署，以重現如 OpenVLA 和 SmolVLA 等前沿專案。

它提供多種實作範例，使用 MuJoCo 和 Isaac Sim 等模擬器，並提供硬體整合指南（例如 LeRobot 與 RDK-X5 開發板）。

適用對象

• Python 初學者與轉職開發者，希望進入 AI + 機器人領域。
• 學生與研究人員，希望快速建立實務技能以完成課程專案或重現論文。
• 演算法工程師，希望將視覺、強化學習或大語言模型能力遷移至實際互動場景。
• 硬體與機器人愛好者，對從控制到 Sim2Real 部署的完整流程感興趣。

特色亮點

• 實作導向：強調「先執行、看見結果，再理解原理」的工作流程，以減少挫敗感。
• 廣泛的 SOTA 覆蓋：包含最尖端 VLA 模型、世界模型（例如 GE-Sim 2.0、tau0-WM）以及人形機器人強化學習的指南。
• 硬體整合：提供實體機器人操作的教學，包括遙控操作與特定開發板上的部署。
• 支援 AMD ROCm：包含專為 AMD 硬體重現策略的特殊教學。
• 多樣化的模擬工具：整合多種環境，包括 MuJoCo、Isaac Sim，以及專用於柔體物理的模擬器。