1. Project Overview & Quickstart (TianxingChen/Embodied-AI-Guide) Copy Chapter

具身智能技术指南 Embodied-AI-Guide

📚 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 [email protected] 或 项目发起人 微信 TianxingChen_2002（请备注机构+姓名与来意）。

📢 News｜项目进展 Copy Section

📷 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

🧑‍💻 Related Open-source Projects｜相关开源项目 Copy Section

⭐️ Lumina Call (具身智能照片): Website
⭐️ Datawhale Easy-Embodied: Repo

🦉 Lumina具身智能社区: [点击访问](https://lumina-embodied.ai) Copy Chapter

扫描右下图加入Lumina具身智能社区:

🐣 (1) Start From Here - 从这里开始 Copy Chapter

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。

(1.1) How - 如何使用这份指南 Copy Section

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。

(1.2) About us - 关于我们 Copy Section

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[email protected]。

⚒️ (2) 动手学习具身智能操作 Copy Chapter

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

(2.1) 为什么这样选择这个教程 Copy Section

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。

(2.2) 学习流程 Copy Section

RoboTwin 2.0：代码 ｜ 主页 ｜ 文档 ｜ 论文

展开学习流程

(2.2.1) 了解RoboTwin 2.0做了什么 (～1天)

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。

(2.2.2) 配置RoboTwin 2.0平台，数据采集 (~0.5天)

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

(2.2.4) 策略训练（～1天）

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，

(2.2.5) 测试策略（～1天）

在demo_clean下评测ACT成功率大约是56%（详见Leaderboard）。

📄 (3) Useful Info - 有利于搭建认知的资料 Copy Chapter

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

• 具身智能基础技术路线（Yunlong Dong）：PDF ｜ bilibili
• 斯坦福机器人学导论：website
• Cyber Nachos（偏系统与工程思维）：website

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
• Awesome Efficient-VLA for Robotic Manipulation (Weifan Guan)：repo
• Awesome Embodied Data：project ｜ repo ｜ arXiv

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

🍎 (4) Algorithm - 算法篇 Copy Chapter

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
  • 5.0 参考与综述
  • 5.1 经典工作
  • 5.2 分层双系统 VLA
  • 5.3 最新 VLA 工作
• Computer Vision —— 计算机视觉
  • 6.1 2D/3D/4D Vision
  • 6.2 Visual Prompting & Affordance
• 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
  • 10.1 Healthcare
  • 10.2 UAV
  • 10.3 Autonomous Driving

🏋️‍♂️ (5) Infrastruture - 软件基础设施篇 Copy Chapter

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。

• (1) Simulators - 仿真器
• (2) Benchmarks - 基准集
• (3) Datasets - 数据集

🎮 (6) Control - 控制篇 Copy Chapter

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
  • (1.1) 经典课程
• (2) 控制理论基础（Control Foundations）
  • (2.1) 经典控制（Classical Control）
  • (2.2) 现代控制（最优控制）
  • (2.3) 先进控制（Advanced Control）
• (3) 机器人学导论（Robotics Foundations）
  • (3.1) 推荐教材与材料
  • (3.2) 运动学与动力学
  • (3.3) 里程计与 SLAM
  • (3.4) 工程生态与工具

🦾 (7) Hardware - 硬件篇 Copy Chapter

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
  • (4.1) 深度相机（Depth Camera）
• (5) Tactile Sensing —— 触觉感知
  • (5.1) 视触觉传感器
  • (5.2) 电子皮肤
  • (5.3) 触觉应用与算法
  • (5.4) 传感器购买
• (6) Data Collection —— 数据采集硬件
• (7) Companies —— 公司与硬件生态

👍 Citation - 引用 Copy Chapter

If you find this repository helpful, please consider citing:

@misc{embodiedaiguide2025,
  title = {Embodied-AI-Guide},
  author = {Embodied-AI-Guide-Contributors, Lumina-Embodied-AI-Community, Tianxing Chen},
  month = {January},
  year = {2025},
  url = {https://github.com/tianxingchen/Embodied-AI-Guide},
}

🏷️ License - 许可协议 Copy Chapter

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：[email protected]。

⭐️ Star History - Star历史 Copy Chapter

🤝 Sponsors - 支持机构 Copy Chapter

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

2. Official Technical Reference & Guides (TianxingChen/TianxingChen.github.io) Copy Chapter

🏠 Homepage · [tianxingchen.github.io](https://tianxingchen.github.io) Copy Section

Co-Founder & CTO @ Xspark AI · Ph.D. @ MMLab@HKU · Founder @ Lumina EAI Community

Hi! I am Tianxing Chen (陈天行), working on Embodied AI Infra — Robotic Foundation Models, Data Generators, and Evaluation — supervised by Prof. Ping Luo.

My works received Best Paper at ICRA 2026 ViTac & ECCV 2024 MAAS Workshop, Champion at NeurIPS 2025 MARS Challenge, Best Poster at multiple IROS / ChinaSI workshops, and a CVPR Highlight. I lead Embodied-AI-Guide (10k+ ⭐), the most popular EAI tutorial in China.

🇨🇳 中文介绍 (Chinese Profile)

我是陈天行，Xspark AI 联合创始人兼 CTO，Lumina 具身智能社区创始人，香港大学 MMLab@HKU 一年级博士生，师从罗平教授。研究方向为具身智能基础架构：机器人通用基础模型、数据合成器与评测。

我在 CVPR、RSS、ICLR、ICRA、ACL 等顶会发表多篇论文；获 NeurIPS 2025 MARS 操作赛冠军、CVPR Highlight、CCF 优秀大学生（全国 99 人）、荔园卓越之星等荣誉。小红书 🎒 @TianxingChen (陈天行) 20k+ 粉丝。

📑 Publications Copy Chapter

Full list: Google Scholar · Homepage

First / Co-first Author Copy Section

Co-Author Copy Section

📷 Open-source Projects Copy Chapter