📚 国内最热门的具身智能技术指南，一个偏「百科全书」定位的具身智能中文知识库与资料索引。欢迎 Star / 分享 / 提 PR，欢迎邮件联系 lumina.embodiedai@gmail.com 或 项目创始人 微信
TianxingChen_2002（请备注机构+姓名与来意）。
📷 2026-01-15: Embodied-AI-Guide重组织完成
⭐️ 2025-12-18: GitHub Stars 突破 10,000
❤️ 2025-03-15: Embodied-AI-Guide正式开源
⭐️ Lumina Robotics Talent Call (具身智能招贤榜): Repo
⭐️ Datawhale Easy-Embodied: Repo
🦉 Lumina具身智能社区: 点击访问
扫描右下图加入Lumina具身智能社区:
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。
我们希望的是帮助新人快速建立领域认知, 所以设计理念是：简要以一个实践项目带大家动手学习具身智能，同时以百科全书形式介绍目前具身智能涉及到的主要技术, 让大家知道不同的技术能够解决什么问题, 未来想要深入发展的时候能够有头绪。
我们是一个由具身初学者组成的团队, 希望能够通过我们自己的学习经验, 为后来者提供一些帮助, 加快具身智能的普及。欢迎更多朋友加入我们的项目, 也很欢迎交友、学术合作, 有任何问题, 可以联系邮箱chentianxing2002@gmail.com。
建议一周内完成学习，使用RoboTwin 2.0平台走通一个操作策略“生命周期”的全流程
完成此教程需要至少16GB显存的显卡
具身智能操作是一个很复杂的问题：数据从哪来、策略怎么设计（架构与训练细节）、怎么评测模型性能（平台与任务设计）。
数据从哪来：具身智能的数据有很多种源头，比如真机数据采集、人类视频数据、仿真合成数据、世界模型合成数据等等，其中各有各的问题，比如真机数据采集成本高、人类视频数据信息含量低、仿真合成数据Sim2Real Gap与Scaleup难题、世界模型合成数据存在幻觉等。
策略怎么设计：不同的网络架构选择影响模型的表现、收敛效果、推理速度等。
怎么评测模型性能：评测是非常重要的，否则我们不知道科学评价模型效果如何，也没办法推动技术发展。
面对以上问题，RoboTwin 2.0平台为广大科研学者提供了非常好的学习平台，RoboTwin 2.0基于易配置的SAPIEN仿真平台开发，提供了50个双臂自动化数据合成、主流操作策略训测集成、评测系统，能够辅助大家快速走起来具身智能操作策略的生命周期。过程中也可以多看看数据与评测视频，了解数据分布与策略表现。
RoboTwin 2.0：代码 ｜ 主页 ｜ 文档 ｜ 论文
展开学习流程
阅读RoboTwin 2.0论文paper，了解仿真数据合成的方案，深入理解对于合成一条机器人数据需要什么信息，机器人有什么可以做的任务，了解Aloha硬件。
环境安装教学: Tutorial，根据以下数据采集脚本采集beat_block_hammer任务50条:
bash collect_data.sh ${task_name} ${task_config} ${gpu_id}
## Clean Data Example: bash collect_data.sh beat_block_hammer demo_clean 0
## Radomized Data Example: bash collect_data.sh beat_block_hammer demo_randomized 0
选择ACT策略进行复现 Tutorial，ACT是非常经典的操作策略算法，训练此策略大约需要12GB显存，
在demo_clean下评测ACT成功率大约是56%（详见Leaderboard）。
这一章主要用于快速建立对具身智能领域的整体认知，适合在系统学习算法、工程或硬件之前，用来了解技术版图、社区生态与研究脉络。
方向性与方法论资料
社区 / 社交媒体（长期跟进价值高）
- 公众号：石麻日记（强烈推荐）、Lumina具身智能、机器之心、新智元、量子位、具身智能研究室、具身纪元、Human Five、Xbot具身知识库、具身智能之心、自动驾驶之心、3D视觉工坊、将门创投、RLCN强化学习研究、CVHub
- 博主（小红书）：WhynotTV、穆尧_YaoMarkMu、许华哲Harry、周博宇、高飞、李弘扬、朱政、丁琰、YY硕、Mango-Man、RHOSLab #PI-李永露、正合时宜、心言任永亮、York Yang-Dyna Robotics、哲伦班长
实验室与学术生态参考
- Robotics 实验室总结：zhihu link1 ｜ zhihu link2
- 具身智能华人高引榜：repo
- Lumina 具身智能社区：website
高质量会议与期刊（论文检索时重点关注）
Science Robotics, TRO, IJRR, JFR, RSS, RAL, IROS, ICRA, ICCV, ECCV, ICML, CVPR, NeurIPS, CoRL, ICLR, AAAI, ACL
长期跟进研究进展与选题调研
- Awesome Humanoid Robot Learning（Yanjie Ze）：repo
- Paper Reading List（DeepTimber Community）：repo
- Paper List（Yanjie Ze）：repo
- RoboScholar / Embodied AI Paper List（Tianxing Chen）：repo
- SOTA Paper Rating（Weiyang Jin）：website
- Awesome LLM Robotics：repo
- Awesome Video Robotic Papers：repo
- Awesome Embodied Robotics and Agent：repo
- awesome-embodied-vla / va / vln：repo
- Awesome Affordance Learning：repo
- Embodied AI Paper TopConf：repo
- Awesome RL-VLA for Robotic Manipulation (Haoyuan Deng)：repo
年度趋势总结
-
State of Robot Learning (Dec 2025)：website
-
许华哲 - 具身智能：2025回望，website
-
林天威 - 具身VLA的2025：从 Demo 到通用的距离，website
这一篇把具身智能中最常用的“算法能力栈”从下往上串了起来：底层是工程工具与几何/标定/控制这类决定系统能否稳定运行的基础；中层是视觉与多模态表征（2D/3D/4D、prompting、affordance），它们把复杂世界压缩成可泛化、可对齐、可被策略利用的中间表示；上层则是学习与决策（RL/IL、VLA、LLM+Planner、快慢系统），把感知与任务目标转成可执行动作，并逐步走向更长程、更通用、更可部署的系统形态。
- Common Tools —— 常用工程工具
- Vision Foundation Models —— 视觉基础模型
- Robot Learning —— 机器人学习
- LLM for Robotics —— LLM+机器人
- VLA —— Vision-Language-Action Models
- Computer Vision —— 计算机视觉
- Computer Graphics —— 计算机图形学
- Multimodal Models —— 多模态模型
- Robot Navigation —— 机器人导航
- Embodied AI for X —— 具身智能+X
这一章关注的不是“具体某个模型”，而是支撑具身智能研究与系统落地的软件基础设施（Infrastructure）。仿真器决定你能构建怎样的世界，基准集决定你如何比较方法优劣，数据集决定模型最终学到什么样的行为分布。它们共同构成了具身智能中最容易被忽视、但最影响上限与复现性的部分。
这一章并不是为了让你“立刻跑一个模型”，而是为具身智能系统提供稳定性、可解释性与工程底座。控制论保证系统在高频下不崩溃，机器人学提供几何与动力学约束，SLAM 与状态估计让机器人“知道自己在哪里”，ROS 与工程库则把理论变成可复现的系统。
- (1) Control and Robotics —— 控制论与机器人学基础
- (2) 控制理论基础（Control Foundations）
- (3) 机器人学导论（Robotics Foundations）
具身智能硬件涵盖多个技术栈：嵌入式软硬件、机械设计、机器人系统集成与传感器等。它们知识面很杂，但共同目标只有一个：把“算法”变成真实世界里稳定可复现的系统。关于硬件学习，最有效的方式几乎永远是 从实践出发：先做出一个能跑起来的最小系统，再逐步扩展复杂度与可靠性。
- (1) Embedded —— 嵌入式
- (2) Mechanical Design —— 机械设计
- (3) Robot System Design —— 机器人系统设计
- (4) Sensors —— 传感器
- (5) Tactile Sensing —— 触觉感知
- (6) Data Collection —— 数据采集硬件
- (7) Companies —— 公司与硬件生态
If you find this repository helpful, please consider citing:
@misc{embodiedaiguide2025,
title = {Embodied-AI-Guide},
author = {Embodied-AI-Guide-Contributors, Lumina-Embodied-AI-Community},
month = {January},
year = {2025},
url = {https://github.com/tianxingchen/Embodied-AI-Guide},
}
本项目为 非商业使用（Non-Commercial Use） 协议：
- 允许：个人学习、学术研究、非盈利使用；
- 禁止：任何形式的商业使用，包括但不限于公司/企业内部使用、 集成到收费产品或服务中、或用于任何营利目的。
详情请查看仓库中的 LICENSE 文件。
如需商业授权（例如在公司产品或商业项目中使用），请联系项目负责人：chentianxing2002@gmail.com。
感谢 无界智航、超维动力、香港大学MMLab、地瓜机器人、松灵机器人 对本项目的支持
