ope体育电竞赛事新人权益 - ope体育电竞赛事
Lab/MuJoCo搭建与基础功能验证
ope体育电竞赛事新人权益价格 ：
¥899.00
剩余名额
0
-
ope体育电竞赛事新人权益时长
8周/建议每周至少6小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
ope体育电竞赛事新人权益配有作业/助教1V1批改
-
ope体育电竞赛事新人权益有效期
一年/告别拖延，温故知新
ope体育电竞赛事新人权益价格：
￥899.00
预约下一期 *ope体育电竞赛事新人权益已报满，可预约下一期
支持花呗分期
*ope体育电竞赛事新人权益已报满，可预约下一期
为什么要学这门ope体育电竞赛事新人权益
人形机器人作为具身智能的终极载体，已成为全球科技竞争的核心赛道。而运动控制能力是决定人形机器人能否从实验室走向千家万户、实现最终商业落地的核心瓶颈。尽管前景广阔，但复杂地形的双足稳定行走、全身自然流畅动作、带感知的运动闭环等技术难题尚未完全攻克。
与此同时，市场对掌握这些核心技术的专业人才需求激增，人才缺口日益扩大。但多数ope体育电竞赛事新人权益者要么空有理论，无法训练贴合真机物理特性、可实机迁移的控制策略；要么仅掌握基础控制方法，难以应对高自由度、复杂地形、动作模仿、全身运控等核心问题。
为此，我们推出这门以宇树G1为实践载体的人形机器人运动控制ope体育电竞赛事新人权益。围绕平地行走、斜坡/碎石/楼梯等复杂地形越障、动作风格模仿、全身协同控制以及融合感知的跨地形行走等任务展开。从感知空间、动作空间、奖励函数等多维度逐层拆解对比主流强化ope体育电竞赛事新人权益运控算法。让大家不仅学懂算法背后的原理，更能上手训练在真机上稳定运行的智能策略，具备人形机器人运动控制的核心研发能力。
ope体育电竞赛事新人权益亮点
直指人形机器人最核心、最难突破的运动控制模块，每一讲都围绕运控核心难题展开。
不止于论文复现，而是将运控算法拆解到RL的观测空间、动作空间、奖励函数等核心模块。
丰富的实践项目，覆盖复杂地形行走、风格模仿、重定向、全身运控、感知运控闭环等。
ope体育电竞赛事新人权益收获
ope体育电竞赛事新人权益讲师
孔 贺
南科大研究员，博士生导师，机器人研究院副院长、自动化与智能制造ope体育电竞赛事新人权益副院长
孔贺，南方科技大学研究员，博士生导师，南科大机器人研究院副院长、自动化与智能制造ope体育电竞赛事新人权益副院长。本硕博分别毕业于中国矿业大学、哈尔滨工业大学、澳大利亚Newcastle大学，曾在悉尼大学野外机器人研究中心开展博士后研究。入选ope体育电竞赛事新人权益海外高层次人才青年项目，近三年主持获批国自然原创探索计划项目、国自然联合基金重点项目、ope体育电竞赛事新人权益重点研发计划-智能机器人重点专项课题。主要致力于机器人多模态感知及融合、机器人与航天器控制等方面的研究。担任IEEE RAL、IEEE RAM、IEEE Sens. Lett.、IJACSP副主编以及机器人领域多个主流会议副主编。
ope体育电竞赛事新人权益大纲
- 1：开班PPT
- 第1章: 人形机器人运动控制导论
- 2：【课件】第1章讲义：人形机器人运动控制导论
- 第1节: 人形机器人What and Why?
- 3：【视频】人形机器人What and Why？
- 第2节: 人形机器人运动控制技术发展脉络
- 4：【视频】人形机器人运动控制技术发展脉络
- 第3节: 强化ope体育电竞赛事新人权益运动控制的核心痛点
- 5：【视频】强化ope体育电竞赛事新人权益运动控制的核心痛点
- 第4节: 人形机器人强化ope体育电竞赛事新人权益运控核心逻辑
- 6：【视频】人形机器人强化ope体育电竞赛事新人权益运控核心逻辑
- 第5节: 人形机器人强化ope体育电竞赛事新人权益实践闭环
- 7：【视频】人形机器人强化ope体育电竞赛事新人权益实践闭环
- 第6节: ope体育电竞赛事新人权益ope体育电竞赛事新人权益路径
- 8：【视频】ope体育电竞赛事新人权益ope体育电竞赛事新人权益路径
- 第7节: 实践1：宇树G1仿真环境（Isaac Lab/MuJoCo）搭建与基础功能验证
- 9-1：作业说明文档
- 9-2：【作业】实践1：宇树G1仿真环境（Isaac Lab/MuJoCo）搭建与基础功能验证
- 第2章: 感知与执行系统（RL观测空间与动作空间设计）
- 10：【课件】第2章讲义：感知与执行系统（RL观测空间与动作空间设计）
- 第1节: 强化ope体育电竞赛事新人权益的核心概念回顾
- 11：【视频】强化ope体育电竞赛事新人权益的核心概念回顾
- 第2节: 感知系统与RL观测空间
- 12：【视频】感知系统与RL观测空间
- 第3节: 执行系统与RL动作空间
- 13：【视频】执行系统与RL动作空间
- 第4节: 本章实践作业
- 14：【视频】本章实践作业
- 第5节: 实践2：设计感知与动作空间，实现宇树G1粗糙地形行走策略
- 15-1：【视频】实践2代码讲解
- 15-2：【作业】实践2：设计感知与动作空间，实现宇树G1粗糙地形行走策略
- 15-3：作业说明文档
- 15-4：【附件】实践2：代码文件.zip
- 第6节: 实践3：人形机器人动作空间 HoST Sim2Sim 部署
- 16-1：【作业】实践3：人形机器人动作空间 HoST Sim2Sim 部署
- 16-2：作业说明文档
- 16-3：【附件】实践3：代码文件.zip
- 第3章: 人形机器人RL奖励函数设计
- 17：【课件】第3章讲义：人形机器人RL奖励函数设计
- 第1节: 强化ope体育电竞赛事新人权益奖励函数
- 18：【视频】强化ope体育电竞赛事新人权益奖励函数
- 第2节: 人形RL运控奖励设计
- 19：【视频】人形RL运控奖励设计
- 第3节: 域随机化
- 20：【视频】域随机化
- 第4节: 宇树G1典型任务奖励函数设计实战案例
- 21：【视频】本章实践作业
- 第5节: 实践4：蹲姿行走策略，G1速度+骨盆高度MDP设计
- 22-1：【作业】实践4：蹲姿行走策略，G1速度+骨盆高度MDP设计
- 22-2：作业说明文档
- 22-3：【附件】实践4：代码文件.zip
- 第4章: 人形运控常用RL算法与训练
- 第1节: 强化ope体育电竞赛事新人权益价值与策略评估
- 第2节: 最优策略、值迭代与策略迭代
- 第3节: 价值函数与策略梯度方法
- 第4节: 本章实践作业
- 第5节: 实践5：基于分层强化ope体育电竞赛事新人权益的人形机器人导航
- 第6节: 实践6：基于教师-ope体育电竞赛事新人权益蒸馏的全身运动跟踪
- 第5章: 数据重定向与AMP运动模仿
- 第1节: 重定向的定义与背景
- 第2节: 机器人运动学回顾
- 第3节: 重定向优化建模与求解
- 第4节: 开源重定向方法拆解
- 第5节: 【视频】AMP（对抗性运动先验）算法讲解
- 第6节: 本章实践作业
- 第7节: 实践7：使用 GMR 完成人体动作到 G1 的运动重定向
- 第8节: 实践8：基于 AMP 的拟人走跑策略复现
- 第6章: 全身运动控制与轨迹跟踪
- 第1节: 轨迹跟踪任务与观测设计
- 第2节: 命令给予与自适应采样
- 第3节: 奖励、终止与仿真器接口
- 第4节: BeyondMimic 到 SONIC 的变与不变
- 第5节: 本章实践作业
- 第6节: 实践9：BeyondMimic关键函数实现与轨迹追踪训练
- 第7章: 带感知的人形机器人运动控制
- 第1节: 感知运动控制基础
- 第2节: 复杂地形视觉感知行走
- 第3节: 感知多接触运动控制
- 第4节: 本章实践作业
- 第5节: 实践10：基于PHP的HOI人‑物交互运动跟踪
- 第6节: 实践11：基于Project Instinct的G1跑酷策略训练与Sim2Sim验证
- 第8章: 人形机器人运动控制前沿
- 第1节: 运动控制进展
- 第2节: Loco-Manipulation
- 第3节: Vision-Language-Action
- 第4节: World Action Model
- 第5节: ope体育电竞赛事新人权益回顾
- 第6节: 写在最后
实践项目展示
Lab/MuJoCo搭建与基础功能验证
粗糙地形行走策略 实践2：设计感知与动作空间实现宇树
G1粗糙地形行走策略
完成HoST Sim2Sim部署 实践3：设计动作空间
完成HoST Sim2Sim部署
G1速度+骨盆高度MDP设计 实践4：蹲姿行走策略
G1速度+骨盆高度MDP设计
人形机器人导航 实践5：基于分层强化ope体育电竞赛事新人权益的
人形机器人导航
的全身运动跟踪 实践6：基于教师-ope体育电竞赛事新人权益蒸馏
的全身运动跟踪
到G1的运动重定向 实践7：使用GMR完成人体动作
到G1的运动重定向
策略复现 实践8：基于AMP的拟人走跑
策略复现
与轨迹追踪训练 实践9：BeyondMimic关键函数实现
与轨迹追踪训练
运动跟踪 实践10：基于PHC的HOI人-物交互
运动跟踪
策略训练与Sim2Sim验证 实践11：基于Project Instinct的G1跑酷
策略训练与Sim2Sim验证
这门课适合谁
希望系统ope体育电竞赛事新人权益基于强化ope体育电竞赛事新人权益的人形机器人运控算法的在校ope体育电竞赛事新人权益、科研人员
从事人形机器人、具身智能、双足/四足机器人算法研发的工程师
具备强化ope体育电竞赛事新人权益和机器人学基础，希望转型人形机器人方向的算法开发者
基础&设备要求
基础要求
数学基础：线性代数、刚体运动学与动力学、概率论与数理统计
编程基础：熟练使用Python/PyTorch，具备基础的C++/ROS开发能力
理论基础：具备强化ope体育电竞赛事新人权益（RL）理论基础、机器人学基础
设备要求
算力要求：NVIDIA 3060及以上GPU，显存>=8G
操作系统：Ubuntu22.04
全方位的ope体育电竞赛事新人权益服务
作业批改
助教1V1批改作业，定期针对作业中的“通病”进行点评
结业证书
本ope体育电竞赛事新人权益将根据作业完成情况评选结业学员及优秀学员，颁发证书
社群答疑
讲师和助教微信答疑，及时解决大家遇到的问题
班班督学
班主任全程带班，不定时“关照”未交作业的同学，克服拖延
上课流程说明
进入答疑群，参加开课仪式
每周ope体育电竞赛事新人权益ope体育电竞赛事新人权益，完成作业
助教1V1批改作业、社群内讲评答疑
完成ope体育电竞赛事新人权益，领取证书
— 开启“人形机器人运动控制 ”的ope体育电竞赛事新人权益之旅吧 —
Q1
ope体育电竞赛事新人权益形式是什么样的？
A：为了保证ope体育电竞赛事新人权益效果，本门ope体育电竞赛事新人权益采取录播的形式，每周解锁一章。建议同学们登录深蓝ope体育电竞赛事新人权益PC端官网，体验更佳!
Q2
ope体育电竞赛事新人权益有有效期吗？
A：为了督促同学们ope体育电竞赛事新人权益，保证ope体育电竞赛事新人权益效率，ope体育电竞赛事新人权益的ope体育电竞赛事新人权益有效期均为一年，当ope体育电竞赛事新人权益有效期截止后将不再支持观看视频、下载课件等ope体育电竞赛事新人权益服务及操作。若同学们依旧想观看视频和下载课件，建议可选择续费本ope体育电竞赛事新人权益。需要提醒大家的是，ope体育电竞赛事新人权益答疑、作业批改&讲评等ope体育电竞赛事新人权益相关服务仅限开课仪式至结课仪式期间。
Q3
作业会提供参考答案吗？
A：ope体育电竞赛事新人权益不提供参考答案。每章作业截止提交后，会组织作业讲解。我们倾向于引导大家培养独立思考的习惯与敢于动手实践的勇气，以便于更快适应实际工作中解决问题的模式。做作业过程中，如果有任何困惑和问题，可以在答疑群中提问解决。
Q4
如果不满意，可以退款吗？
A：我们承诺：开班后7天内可以无条件全额退款。课好不好，学了就知道了！
更多信息，请添加客服咨询
添加时请备注关键词『人形运控』
