ESP32-S3 Bench Guide
ESP32-S3 N16R8 bench guide: live pinout, lessons, simulators and the bench log.
[Lumina具身智能社区] 具身智能技术指南 Embodied-AI-Guide
Translation pending
EducationGitHub @TianxingChenSelf-installOwner unconfirmed
Paste into Claude or ChatGPT for installation instructions suited to your environment.
Have you tried it? One tap is enough. No sign-in needed.
The maker's introduction consists of the line above. Read the repository README for more details. Repository README ↗
Loading the full README.
Read the full README ↗国内最热门的具身智能技术指南
一份偏「百科全书」定位的具身智能中文知识库与资料索引
从这里开始 · 动手学习 · 认知资料 · 算法篇 · 基础设施篇 · 控制篇 · 硬件篇
📚 本项目希望帮助新人快速建立领域认知:以一个实践项目带大家动手入门具身智能,同时以百科全书的形式梳理当前具身智能涉及的主要技术,让大家清楚不同技术能解决什么问题,未来想深入时有头绪。
欢迎 Star / 分享 / 提 PR。合作与交流可邮件联系 [email protected],或添加项目发起人微信
TianxingChen_2002(请备注:机构 + 姓名 + 来意)。
📝 2026-01-15: Embodied-AI-Guide 完成内容重组
⭐️ 2025-12-18: GitHub Stars 突破 10,000
❤️ 2025-03-15: Embodied-AI-Guide 正式开源
⭐️ Lumina Call(具身智能招聘):website
⭐️ Datawhale every-embodied(具身智能入门教程):repo
社区主页:lumina-embodied.ai。扫描下方二维码加入交流群;如果二维码失效或无法入群,请邮件联系 [email protected],或添加项目发起人微信 TianxingChen_2002(请备注:机构 + 姓名 + 来意)。
具身智能是指一种基于物理实体进行感知和行动的智能系统,其通过智能体与环境的交互获取信息、理解问题、做出决策并实现行动,从而产生智能行为和适应性。
说得更直白一些:大模型已经能很好地处理文字和图像,因为互联网上有海量现成数据;但要让机器人真的伸手把桌上的杯子拿起来,模型必须输出连续的、有物理后果的动作,而这类数据没法从网上爬——每一条都要有人用真机采,采错了还会把东西打碎。这个「数据从哪来、动作怎么表示、做得好不好怎么衡量」的三连问,构成了具身智能当前最核心的矛盾,也是本指南反复出现的主线。
本项目的设计理念是「一条主线 + 一张全景图」:
建议的阅读顺序:先动手跑通第 2 章,再按兴趣检索后续章节,不必按顺序通读。
不同背景的读者不必从同一处入手,可参考下表选择起点:
| 你的背景 | 建议起点 | 推荐路径 |
|---|---|---|
| 完全新手 / 在校本科生 | 第 2 章 动手教程 | (2) 跑通流程 → (3) 建立认知 → (4) 算法篇 → 按兴趣深入 |
| 有 CV / NLP / 深度学习基础 | 第 4 章 算法篇 | (4) 重点看 Robot Learning 与 VLA → (5) 基础设施 → (2) 动手验证 |
| 有自动化 / 机器人学背景 | 第 4 章 算法篇 | (3) 了解版图 → (4) 补齐学习与决策 → (5) 熟悉仿真与数据生态 |
| 偏硬件 / 嵌入式 | 第 7 章 硬件篇 | (7) 硬件篇 → (6) 控制篇 → (2) 动手教程 |
| 想快速了解行业与选题 | 第 3 章 认知资料 | (3.1) 方法论 → (3.5) 论文列表 → (3.6) 年度趋势 |
阅读论文与本指南时高频出现的概念,先建立字面认知即可,细节留给对应章节。
This is the beginning of the README. Read the rest at the original. Read the full README ↗