Awesome-Embodied-AI：实践指南

时间：2026-09-11 08:24:01 编辑：袖梨来源：一聚教程网

面对实际交付，我看Awesome-Embodied-AI的重点不在星标，而在这项能力：具身智能研究资源清单，按场景理解、图像、点云等主题整理相关论文与项目，便于跟踪该领域的方法和数据资源。团队若要把它用于研究与论文处理，应先处理来源证据、引用和结论容易脱节，否则试用结果很容易失真。我的评估方法是拿一篇熟悉的论文或研究问题跑完整流程，然后检查证据定位、引用准确性和结论可复核性是否与文档一致。它更像给需要整理研究证据并愿意复核原文的读者准备的可审查方案，是否长期使用应由试跑数据决定。

真棒-体现-AI

场景理解

图片

	描述	纸	代码
SAM	细分	<https://arxiv.org/abs/2304.02643>	<https://github.com/facebookresearch/segment-anything>
YOLO-世界	开放词汇检测	<https://arxiv.org/abs/2401.17270>	<https://github.com/AILab-CVC/YOLO-World>

点云

	描述	纸	代码
SAM3D	细分	<https://arxiv.org/abs/2306.03908>	<https://github.com/Pointcept/SegmentAnything3D>
PointMixer	理解	<https://arxiv.org/abs/2401.17270>	<https://github.com/LifeBeyondExpectations/PointMixer>

多模式接地

	描述	纸	代码
GPT4V	MLM(Image+Language->语言)	https://arxiv.org/abs/2303.08774
克劳德3号作品	MLM(Image+Language->语言)	https://www.anthropic.com/news/claude-3-family
GLaMM	像素接地	<https://arxiv.org/abs/2311.03356>	<https://github.com/mbzuai-oryx/groundingLMM>
全视	像素接地	<https://arxiv.org/abs/2402.19474>	<https://github.com/OpenGVLab/all-seeing>
LEO	3D	<https://arxiv.org/abs/2311.12871>	<https://github.com/embodied-generalist/embodied-generalist>

数据收集

来自视频

	纸	代码
视频机器人	<https://vid2robot.github.io/vid2robot.pdf>
RT-轨迹	<https://arxiv.org/abs/2311.01977>
MimicPlay	<https://mimic-play.github.io/assets/MimicPlay.pdf>	<https://github.com/j96w/MimicPlay>

硬件

	描述	纸	代码
UMI	两指	<https://arxiv.org/abs/2402.10329>	<https://github.com/real-stanford/universal_manipulation_interface>
DexCap	五指	<https://dex-cap.github.io/assets/DexCap_paper.pdf>	<https://github.com/j96w/DexCap>
HIRO 手	交手	<https://sites.google.com/view/hiro-hand>

生成模拟

	描述	纸	代码
MimicGen		<https://arxiv.org/abs/2310.17596>	<https://github.com/NVlabs/mimicgen_environments>
RoboGen		<https://arxiv.org/abs/2311.01455>	<https://github.com/Genesis-Embodied-AI/RoboGen>

动作输出

生成模仿学习

	描述	纸	代码
扩散正策		<https://arxiv.org/abs/2303.04137>	<https://github.com/real-stanford/diffusion_policy>
ACT		<https://arxiv.org/abs/2304.13705>	<https://github.com/tonyzhaozh/act>

可供性地图

	描述	纸	代码
CLIPort	取放	<https://arxiv.org/pdf/2109.12098.pdf>	<https://github.com/cliport/cliport>
机器人可供性	接触及接触后轨迹	<https://arxiv.org/abs/2304.08488>	<https://github.com/shikharbahl/vrb>
机器人-ABC		<https://arxiv.org/abs/2401.07487>	https://github.com/TEA-Lab/Robo-ABC
探索何处	从语义相似性中学习的镜头很少	<https://proceedings.neurips.cc/paper_files/paper/2023/file/0e7e2af2e5ba822c9ad35a37b31b5dd4-Paper-Conference.pdf>
说走就走，互动随心所欲	扩散模型对运动的可供性	<https://arxiv.org/pdf/2403.18036.pdf>
AffordanceLLM	LLM 的接地功能	<https://arxiv.org/pdf/2401.06341.pdf>
环境意识可供性		<https://proceedings.neurips.cc/paper_files/paper/2023/file/bf78fc727cf882df66e6dbc826161e86-Paper-Conference.pdf>
OpenAD	来自点云的 Open-Voc 可供性检测	<https://www.csc.liv.ac.uk/~anguyen/assets/pdfs/2023_OpenAD.pdf>	<https://github.com/Fsoft-AIC/Open-Vocabulary-Affordance-Detection-in-3D-Point-Clouds>
RLAfford	使用 RL 进行端到端的可供性学习	<https://gengyiran.github.io/pdf/RLAfford.pdf>
一般流程	从视频中收集可供性	<https://general-flow.github.io/general_flow.pdf>	<https://github.com/michaelyuancb/general_flow>
PreAffordance	预抓规划	<https://arxiv.org/pdf/2404.03634.pdf>
ScenFun3d	3D 场景中的细粒度功能和可供性	<https://aycatakmaz.github.io/data/SceneFun3D-preprint.pdf>	<https://github.com/SceneFun3D/scenefun3d>

LLM 的问答

	纸	代码
COPA	<https://arxiv.org/abs/2403.08248>
ManipLLM	<https://arxiv.org/abs/2312.16217>
ManipVQA	<https://arxiv.org/pdf/2403.11289.pdf>	https://github.com/SiyuanHuang95/ManipVQA

语言修正

	描述	纸	代码
OLAF		<https://arxiv.org/pdf/2310.17555>
YAYRobot		<https://arxiv.org/abs/2403.12910>	https://github.com/yay-robot/yay_robot

规划自LLM

	描述	纸	代码
SayCan	API 等级	<https://arxiv.org/abs/2204.01691>	<https://github.com/google-research/google-research/tree/master/saycan>
VILA	提示级别	<https://arxiv.org/abs/2311.17842>

推荐专题

最新下载

热门教程

Awesome-Embodied-AI：实践指南

相关文章

热门栏目

php教程

asp.net教程

手机开发

css教程

网页制作

办公数码

jsp教程