本文深度解析了宇树科技开源足式机器人强化学习训练框架legged_gym的技术实现。该框架基于NVIDIA Isaac Gym GPU并行仿真引擎，支持GO2四足机器人和G1/H1双足机器人，采用PPO算法进行端到端步态控制策略训练。核心特性包括4096环境并行仿真、非对称Actor-Critic架构、LSTM时序策略网络、域随机化和程序化地形生成等。项目采用声明式配置系统，通过递归实例化机制简化

遥操作（Teleoperation）是具身智能领域的核心技术支柱之一，承担着机器人远程控制、高质量演示数据采集与技能迁移的三重关键角色。本文系统梳理了具身智能中遥操作技术的定义与发展历程、核心技术架构、在数据采集中的实践方案、学术前沿与代表性系统，以及面临的挑战与未来趋势。当前，遥操作已从单纯的远程机械控制，升级为融合VR/AR沉浸式反馈、力触觉双边控制、VLA大模型辅助的超远距离低延迟操控体系，

遥操作（Teleoperation）是具身智能领域的核心技术支柱之一，承担着机器人远程控制、高质量演示数据采集与技能迁移的三重关键角色。本文系统梳理了具身智能中遥操作技术的定义与发展历程、核心技术架构、在数据采集中的实践方案、学术前沿与代表性系统，以及面临的挑战与未来趋势。当前，遥操作已从单纯的远程机械控制，升级为融合VR/AR沉浸式反馈、力触觉双边控制、VLA大模型辅助的超远距离低延迟操控体系，

机器人运动规划技术演进：从OMPL算法库到MoveIt!系统集成 本文系统梳理了机器人运动规划技术的三个关键发展阶段：基础算法层(OMPL)、中间框架层(MoveIt! 1)和现代架构层(MoveIt! 2)。OMPL作为开源运动规划算法库，提供了PRM、RRT等经典算法实现，采用"算法为核心"的设计理念。MoveIt! 1在ROS 1生态中构建了完整的运动规划框架，通过模块化

本文介绍了三种AI编程助手（VS Code、Trae CN、Claude Code）的Skill功能使用指南。主要内容包括： 通用标准：三者遵循同一套Skill开放标准，核心文件为SKILL.md（包含YAML头和Markdown正文），支持类似目录结构。 工具特性： VS Code：支持多路径存放，提供Chat自定义编辑器 Trae CN：支持AI辅助创建和ZIP包导入 Claude Code：

本文介绍了三种AI编程助手（VS Code、Trae CN、Claude Code）的Skill功能使用指南。主要内容包括： 通用标准：三者遵循同一套Skill开放标准，核心文件为SKILL.md（包含YAML头和Markdown正文），支持类似目录结构。 工具特性： VS Code：支持多路径存放，提供Chat自定义编辑器 Trae CN：支持AI辅助创建和ZIP包导入 Claude Code：

文章摘要 本文系统分析了机器人学习中的两大迁移范式：Sim-to-Real（仿真到现实）和Sim-to-Sim（仿真到仿真）。针对"现实鸿沟"问题，文章详细介绍了域随机化、系统辨识、域自适应等关键技术原理及其应用场景，提出了"Real-to-Sim-to-Real"的闭环迁移工作流。通过分析最新开源平台和产业实践（如Genie Sim 3.0、RealMir

摘要： 本文基于生物“大脑-小脑”分工机制，系统剖析具身智能机器人的分层架构设计。其中，“大脑”负责感知决策（如VLA大模型、分层规划），解决“做什么”问题；“小脑”专注运动控制（模型预测、模仿学习、强化学习），解决“怎么做”问题。文章详细对比了三大控制技术路线的优劣，指出强化学习在步态控制中的主导地位，并探讨力控与运控的融合趋势。通过构建从架构设计到算法实现的完整技术地图，为具身智能的“双脑协同

摘要： 本文基于生物“大脑-小脑”分工机制，系统剖析具身智能机器人的分层架构设计。其中，“大脑”负责感知决策（如VLA大模型、分层规划），解决“做什么”问题；“小脑”专注运动控制（模型预测、模仿学习、强化学习），解决“怎么做”问题。文章详细对比了三大控制技术路线的优劣，指出强化学习在步态控制中的主导地位，并探讨力控与运控的融合趋势。通过构建从架构设计到算法实现的完整技术地图，为具身智能的“双脑协同

Mobile ALOHA提出了一种低成本的双臂移动操作系统，通过全身遥操作实现复杂任务的学习与执行。该系统整合了移动底盘与双臂操作，支持同步控制，成本仅约3.2万美元。研究验证了三种模仿学习算法（ACT、Diffusion Policy和VINN）在移动操作任务中的表现，并提出协同训练方法，利用现有静态操作数据提升性能。实验表明，Mobile ALOHA能在少量演示（20-50条）下完成长时程任务