大模型机器人入门(本课取消 可转机器人复现营)

先弄清楚它解决什么问题

这套资料不是在讲怎么调对话框，也不是教你跑个聊天网页，它对准的是一件具体得多的事：让机械臂、移动底盘这类实体机器人，能被大模型时代的策略驱动起来。核心抓手是 UMI，也就是一套相对开源、能复现的机器人操作框架。你平时如果做的是纯软件，遇到机器人项目最头疼的往往是策略和硬件之间断层，这套课想把这段缝补上。它解决的具体工作场景是：你拿到一套操作任务，比如抓取、推送、简单模仿动作，需要从数据采集、策略训练，一直走到 ROS2 控制和视觉定位，最后让设备动起来。

适合什么基础、建议先看哪几块

它不适合零基础。你得有 Python 写作能力，最好碰过 Linux 命令行，对 Docker 不陌生，对 ROS 有概念更好但没有也能硬啃。如果你连虚拟环境都没配过，这套资料会卡在第一阶段。建议先看大模型机器人综述和 Docker 部署那两块，确认自己能把环境跑通，再往下走。第二阶段重点放在代码解读和 Diffusion Policy，这是策略的核心，看懂它你才明白机器人是怎么从演示数据里学动作的。第三阶段 ROS2 和 ORB-SLAM3 偏工程落地，如果你暂时不做实物，可以先理解原理，等手上有设备再回来细抠。

学完能独立做什么、资料怎么配合练习

学完之后，你不一定能立刻造一台复杂机器人，但能独立完成几件具体事：在本地或服务器上部署 UMI 环境，跑通示例策略；读懂 Diffusion Policy 的训练流程，知道怎么喂自己的数据；把 ROS2 和视觉 SLAM 接进控制链路，让机器人具备定位和反馈能力。资料配合练习的方式建议这样：先把综述和部署过一遍，动手把容器跑起来，不要只看视频；代码解读部分对照仓库一起读，边读边在本地改参数、看输出；策略部分务必自己采集一小批简单数据，哪怕只是模拟环境里的轨迹，跑一次完整训练和推理。SLAM 部分如果有摄像头就实测，没有就先理解配置文件和节点关系。整份资料的价值在于它把分散的环节串成一条线，你只要跟着把每个节点跑通，就算真正入门了。