具身智能技术路线

从感知、认知到执行的完整技术栈梳理，为机器人与具身智能学习与开发提供路线参考。

概述 ​

具身智能强调「身体」与「环境」在智能行为中的作用。本技术路线围绕机器人在真实或仿真环境中的感知、决策与执行，梳理所需的基础课程、核心知识与项目实践之间的衔接关系。

技术栈总览 ​

感知与表征 → 认知与规划 → 决策与控制 → 执行与部署
   (传感器/多模态)  (大模型/世界模型)  (RL/VLA)   (Sim2Real/系统)

学习路线建议 ​

阶段一：基础能力 ​

• 编程与系统：Python、Linux，确保能写代码、搭环境、查日志
• 数据与模型基础：机器学习、深度学习，为后续大模型与 RL 打基础

阶段二：核心知识 ​

• 多模态与语言：多模态大模型——Prompt、Agent、视觉-语言结合
• 决策与自进化：强化学习、世界模型——MDP、MPC、长时序规划
• 具身执行：VLA——视觉-语言-动作、行为克隆、扩散策略、Sim2Real

阶段三：项目实践 ​

• 在 项目实践 中选择与具身智能相关的项目，完成数据→训练→部署→复盘全流程
• 结合 机器人产品调研 了解不同形态机器人的应用场景与约束

与社区路线图的对应关系 ​

• 新手起步：对应阶段一，打好编程与系统基础
  参考：路线图 / 新手起步
• 核心能力：对应阶段二，系统学习多模态、RL、世界模型、VLA
  参考：路线图 / 核心能力
• 项目实践：对应阶段三，通过完整项目巩固与拓展
  参考：路线图 / 项目实践

相关链接 ​

• 机器人产品调研
• 基础课程（Python、Linux、机器学习、深度学习）
• 核心知识（多模态大模型、强化学习、世界模型、VLA）
• 项目实践