课程完整目录

01 25年9月-26年1月:项目实战之前的基础巩固与扎实阶段(特别是π0.5)

  • 01 一次性总结数十个具身模型:从训练数据、动作预测、RL应用到Robotics VLM、通用VLA π0等.mp4(204.60 MB / 01:01:09)
  • 02 主从臂数采:基于lerobot ACT完成数据的采集、模型的训练、真机松灵臂上的部署.mp4(231.14 MB / 49:49)
  • 03 π0.5——推理加强的统一模型:先高层预训练离散化token自回归预测子任务、后低层执行子任务.mp4(239.70 MB / 01:03:02)
  • 04 π0.5的KI改进版——知识隔离:让VLM在不受动作专家负反馈的同时,输出离散动作token,并根据反馈做微调.mp4(167.09 MB / 39:06)


02 25年12月份:项目直播阶段2(包含第3-7次直播)人形manipulation实战:GR00T N1.5专题

  • 01 第3次直播 VR遥操采集:教你如何一步步通过VR遥操宇树G1 edu,以采集训练数据.mp4(186.98 MB / 48:07)
  • 02 第4次直播 原理:GR00T N1——英伟达开源的人形VLA:VLM Eagle-2慢思考、动作专家DiT快反应.mp4(264.62 MB / 01:03:38)
  • 03 第6次课 真机部署:宇树推出的部署框架unitree_IL_lerobot(可部署lerobot π0.5和GR00T).mp4(208.08 MB / 48:19)
  • 04 第7次直播 微调实战:如何通过GR00T N1.5完成简单的桌面收纳任务.mp4(179.01 MB / 42:50)


03 26年3月份:项目直播阶段3(包含第8-11次直播)人形locomotion实战(学了之后,可训练几乎任何舞蹈)

  • 01 第8次直播 Video2Motion:GVHMR——基于重力-视角坐标的人体运动恢复:从RGB视频中提取人的SMPL轨迹(含人体姿态估计WHAM).mp4(81.66 MB / 36:01)
  • 02 第8课之补充实战:带你实际跑一下GVHMR:从人类视频提取动作轨迹.mp4(65.87 MB / 17:30)
  • 03 第9课之补充实战:带你一步步实际跑下GMR:将动作适配到机器人身体结构.mp4(63.17 MB / 14:03)


04 26年4月份:项目直播阶段4(包含第12-14次直播)人形loco-manipulation实战

  • 01 第13次直播 H2O与OmniH2O——通过RGB摄像头或VR全身实时遥操:仿真RL中训练,然后再sim2real.mp4(251.76 MB / 01:04:48)


课程分类汇总


阶段时间核心主题关键技术/模型
基础巩固25.9-26.1具身模型综述与π0.5π0、π0.5、KI、lerobot ACT、松灵臂部署
Manipulation25.12GR00T N1.5专题VR遥操、GR00T N1、VLM Eagle-2、DiT、unitree_IL_lerobot
Locomotion26.3人形运动控制Video2Motion、GVHMR、WHAM、GMR、SMPL轨迹提取
Loco-manipulation26.4全身遥操与仿真H2O、OmniH2O、RGB遥操、VR遥操、sim2real


核心技术栈与概念


类别技术/模型
VLA模型π0、π0.5、GR00T N1、GR00T N1.5
VLM架构Eagle-2(慢思考)、动作专家DiT(快反应)
模仿学习lerobot ACT、KI(知识隔离)
遥操采集VR遥操(宇树G1 edu)、RGB摄像头遥操
运动恢复GVHMR、WHAM、SMPL轨迹
动作适配GMR(将人类动作适配到机器人身体结构)
全身控制H2O、OmniH2O
训练范式仿真RL训练 → sim2real部署
部署框架unitree_IL_lerobot


课程核心定位


维度内容
目标领域人形机器人具身智能(Humanoid Embodied AI)
目标岗位人形机器人算法工程师 / 具身智能研究员 / 机器人控制工程师
覆盖能力Manipulation(操作)+ Locomotion(运动)+ Loco-manipulation(全身协同)
硬件平台宇树G1 edu、松灵臂
课程特色英伟达GR00T全链路实战、π0.5深度解读、VR遥操采集、sim2real部署
技术深度从模型原理到真机部署,从运动提取到动作适配


说明: 这是一门面向人形机器人具身智能领域的顶尖实战课程。聚焦英伟达GR00T N1.5、π0/π0.5等前沿VLA模型,涵盖遥操数据采集、模型训练与微调、真机部署全链路。同时覆盖人形 locomotion(运动控制,可训练舞蹈)和 loco-manipulation(全身协同)两大方向。适合有深度学习基础、希望进入人形机器人/AI方向的研究者或工程师。