深度学习基础课程学习

（*课程学习务必做完相关作业，不然等于没学。。。）

1. 斯坦福课程 CS231n: Deep Learning for Computer Vision

   跟随FeiFei Li老师的指导能够整体理解计算机视觉深度学习的基本算法、网络模型和训练技巧，务必做完CS231n的作业

2. 伯克利课程 CS185/285: Deep Reinforcement Learning

   跟随Sergey Levine老师的指导学习强化学习的知识，很多例子都是在机器人上进行

3. 斯坦福课程 CS229: Machine Learning

   跟随马腾宇老师学习机器学习的基础方法和整体理论

机器人基础课程学习

（*课程学习务必做完相关作业，不然等于没学。。。）

1. 西北大学课程 Modern Robotics: Mechanics, Planning, and Control

   跟随Kevin Lynch和Frank Park两位老师可以了解机器人学的基本知识，如正逆运动学、动力学、空间变换等

2. 伯克利课程 CS 287: Advanced Robotics

   进阶课程，跟随Pieter Abbeel老师学习高等机器人学

机器人仿真平台

（*多玩，多熟悉）

1. ISAAC Sim 和 ISAAC Lab

   NVIDIA的机器人仿真平台，是目前使用最广泛的机器人仿真平台

2. Mujoco物理引擎

   使用最广泛的物理引擎，被很多仿真平台（如ISAAC）使用

机器人基础代码库

（*多玩，多熟悉）

1. ROS2机器人框架

   做机器人必须熟悉的框架，大部分的常见机器人系统都是基于ROS开发的

   可以在鱼香ROS学习平台进行学习

具身智能代码库

当你掌握了上面的基础知识后，就可以开始在当前火热的具身智能代码库上进行学习、开发、甚至算法改进： （*当然，如果对自己有自信也可以直接进入到这一环节🐶，遇到不足的地方再返回学习）

1. Lerobot机器人框架是目前大家做机器人操作使用最多的框架，很多新的算法都是基于这个框架进行开发的。里面已经实现了很多经典算法，如ACT、DiffusionPolicy、Pi系列、GROOT等等，网上也已经有了很多学习文档（官方github已提供一些），可以深入了解当前算法的代码细节，并可以在仿真中进行训练和推理，熟悉之后也可以在上面进行算法改进

2. StarVLA，也是目前很多人使用的一个机器人代码库，实现了很多最新算法，更新也比较快（虽然问题不少），很多新算法会基于这个代码库里的实现作为baseline，进行改进优化

具身智能经典算法论文

• RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
• OpenVLA: An Open-Source Vision-Language-Action Model OpenVLA Closed-Loop Robot Control Policy
• Open X-Embodiment: Robotic Learning Datasets and RT-X Models
• ACT: Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware

• Diffusion Policy: Visuomotor Policy Learning via Action Diffusion

• Pi系列：

  Pi0: A Vision-Language-Action Flow Model for General Robot Control

  Pi-0.5: A Vision-Language-Action Model with Open-World Generalization

  Pi-0.6: A VLA That Learns From Experience

  Pi-0.7: A Steerable Generalist Robotic Foundation Model with Emergent Capabilities

• GR系列：

  GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation

可参考网上的很多list：list1