## 课程完整目录


### 01 第一阶段 大模型机器人综述与Docker、ORB-SLAM3的基本原理

- 01 第一课 大模型机器人综述与开源具身智能的发展概况.mp4（334.93 MB / 01:11:25）

- 02 第二课 Docker基本原理与在UMI中的部署.mp4（898.54 MB / 01:45:46）

- 03 第三课 ORB-SLAM3环境安装与运行.mp4（569.93 MB / 02:02:34）

- 04 第四课 ORB-SLAM3基本原理与核心源码解析.mp4（585.36 MB / 01:32:19）


---


### 02 第二阶段 斯坦福UMI的逐步复现：底层原理与硬核实战（含ROS）

- 01 第五课 扩散策略Diffusion Policy环境安装与运行.mp4（479.26 MB / 01:55:05）

- 02 第六课 大模型基础课：AIGC与扩散学习.mp4（289.60 MB / 01:29:54）

- 03 第七课 大模型前沿技术课：扩散策略Diffusion Policy基本原理与代码详解.mp4（1.10 GB / 02:08:34）

- 04 第八课 机器人基础课：机器人学与相机标定实战.mp4（306.49 MB / 01:20:24）

- 05 第九课 机器人及夹爪硬件配置、环境安装与运行.mp4（947.22 MB / 02:06:09）


---


### 03 第三阶段 DexCap的复现与iDP3的通用化改写（统一4个模型且控制各种机器人）

- 01 第十课 DexCap硬件配置、环境安装与运行.mp4（966.89 MB / 01:39:43）

- 02 第十一课 学习算法DEXIL详解.mp4（760.92 MB / 01:45:19）

- 03 第十二课 基于iDP3的umi-dexcap通用化部署（含我司独创工作：对iDP3的通用化改写）.mp4（599.70 MB / 01:38:46）

- 04 第十三课 基于DP3的umi-dexcap通用化仿真（含Isaac sim与RL原理实战）.mp4（1.34 GB / 01:36:47）


---


### 04 第四阶段 入门具身最好的框架之LeRobot专题：斯坦福ALOHA ACT与LeRobot对ACT的集成（含在SO-100上的部署）

- 01 第十四课 通透动作分块算法ACT：斯坦福ALOHA团队推出的动作序列预测算法.mp4（450.34 MB / 54:48）

- 02 第十五课 LeRobot对ACT的封装，及在2K的机械臂so-100/101上部署ACT.mp4（403.98 MB / 44:07）


---


### 05 第五阶段 最强VLA模型之π0专题：包含原理、代码分析、微调实战

- 01 第十六课 π0——用于通用机器人控制的VLA模型：一套框架控制7种机械臂.mp4（452.21 MB / 53:02）

- 02 第十六课补充 重讲π0.mp4（675.20 MB / 57:18）

- 03 第十七课 π0源码剖析：从架构实现到基于CS架构下的模型训练与部署.mp4（771.03 MB / 59:44）


---


## 课程分类汇总


| 阶段 | 核心主题 | 关键技术 |

|------|----------|----------|

| **第一阶段** | 基础认知与环境搭建 | Docker、ORB-SLAM3、具身智能综述 |

| **第二阶段** | 斯坦福UMI复现 | Diffusion Policy、AIGC、ROS、相机标定、机械臂硬件 |

| **第三阶段** | DexCap + iDP3通用化 | DexCap、DEXIL、iDP3、DP3、Isaac Sim、强化学习 |

| **第四阶段** | LeRobot框架专题 | ACT算法、ALOHA、LeRobot、SO-100机械臂 |

| **第五阶段** | VLA模型π0专题 | π0模型、VLA架构、模型微调与部署 |


---


## 核心技术栈与概念


| 类别 | 技术/概念 |

|------|-----------|

| **视觉SLAM** | ORB-SLAM3 |

| **模仿学习** | Diffusion Policy、ACT（动作分块算法）、DEXIL |

| **扩散模型** | AIGC、扩散学习 |

| **机器人框架** | ROS、LeRobot |

| **仿真平台** | Isaac Sim、强化学习 |

| **VLA模型** | π0（通用机器人控制）、iDP3、DP3 |

| **硬件** | UMI、DexCap、SO-100/101机械臂、夹爪 |

| **容器化** | Docker |


---


## 课程核心定位


| 维度 | 内容 |

|------|------|

| **目标领域** | 具身智能（Embodied AI）/ 大模型机器人 |

| **目标岗位** | 机器人算法工程师 / 具身智能研究员 / 机器人控制工程师 |

| **课程特色** | 复现斯坦福UMI、DexCap、ALOHA ACT等顶会工作；独创iDP3通用化改写；覆盖VLA模型π0微调 |

| **实践强度** | 硬件配置+环境安装+代码解析+仿真部署，全链路实战 |

| **技术深度** | 从Docker环境搭建到源码剖析，从算法原理到机械臂部署 |


---


**说明：** 这是一门面向**具身智能/大模型机器人**领域的高阶实战课程。聚焦复现斯坦福UMI、DexCap、ALOHA ACT等前沿工作，并包含独创的iDP3通用化改写。课程涵盖视觉SLAM、扩散策略模仿学习、VLA模型（π0）微调部署、Isaac Sim仿真等核心模块。适合有Python和深度学习基础、希望进入机器人/AI方向的研究者或工程师。