Lab/MuJoCo搭建与基础功能验证
课程价格 ：
¥899.00
剩余名额
0
-
学习时长
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
课程配有作业/助教1V1批改
-
课程有效期
一年/告别拖延，温故知新
课程价格：
￥899.00
预约下一期 *课程已报满，可预约下一期
支持花呗分期
*课程已报满，可预约下一期
为什么要学这门课程
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。但多数学习者要么空有理论，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课程。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学习运控算法。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。
课程亮点
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。
课程收获
课程讲师
孔 贺
南科大研究员，博士生导师，机器人研究院副院长、自动化与智能制造学院副院长
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、自动化与智能制造学院副院长。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。入选国家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、国家重点研发计划-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。
课程大纲
- 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: 强化学习运动控制的核心痛点
- 5：【视频】强化学习运动控制的核心痛点
- 第4节: 人形机器人强化学习运控核心逻辑
- 6：【视频】人形机器人强化学习运控核心逻辑
- 第5节: 人形机器人强化学习实践闭环
- 7：【视频】人形机器人强化学习实践闭环
- 第6节: 课程学习路径
- 8：【视频】课程学习路径
- 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: 强化学习的核心概念回顾
- 11：【视频】强化学习的核心概念回顾
- 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
- 第1节: 强化学习奖励函数
- 第2节: 人形RL运控奖励设计
- 第3节: 域随机化
- 第4节: 宇树G1典型任务奖励函数设计实战案例
- 第5节: 实践4：蹲姿行走策略，G1速度+骨盆高度MDP设计
- 第4章: 人形运控常用RL算法与训练
- 第1节: 强化学习价值与策略评估
- 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：基于分层强化学习的人形机器人导航
- 第6节: 实践6：基于教师-学生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: 课程回顾
- 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：基于分层强化学习的
人形机器人导航
的全身运动跟踪 实践6：基于教师-学生蒸馏
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
希望系统学习基于强化学习的人形机器人运控算法的在校学生、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
具备强化学习和机器人学基础，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：具备强化学习（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
全方位的学习服务
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
本课程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
每周学习课程，完成作业
助教1V1批改作业、社群内讲评答疑
完成课程，领取证书
— 开启“人形机器人运动控制 ”的学习之旅吧 —
Q1
学习形式是什么样的？
A：为了保证学习效果，本门课程采取录播的形式，每周解锁一章。建议同学们登录深蓝学院PC端官网，体验更佳!
Q2
课程有有效期吗？
A：为了督促同学们学习，保证学习效率，学院的课程有效期均为一年，当课程有效期截止后将不再支持观看视频、下载课件等课程服务及操作。若同学们依旧想观看视频和下载课件，建议可选择续费本课程。需要提醒大家的是，课程答疑、作业批改&讲评等课程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：课程不提供参考答案。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』
