-
Know-How
- Humanoid Robot Know-How Documentation
- ROBOTO_ORIGIN - Fully Open-Source DIY Humanoid Robot
- 人形机器人运动控制Know-How
- 人形机器人控制问题解决思路
- 建模+求解
- Sim2Real问题
- 人形机器人与其他机器人的区别
- 运动学可行和动力学可行
- 人形机器人和其他机器人
- 人形机器人和橡皮人
- 人形机器人技术框架路线展望
- 传统运动控制方法（Model Base)
- 最优化控制问题理论基础（OCP）
- 线性倒立摆模型+零力矩点算法（LIP+ZMP）
- 方法原理（建模+约束+损失函数）
- 基本代码
- 方法局限性
- 弹簧负载倒立摆模型+虚拟模型控制算法（SLIP+VMC）
- 方法原理（建模+约束+损失函数）
- 基本代码
- 方法局限性
- 全身动力学模型+全身运动控制/任务空间逆动力学优化控制算法（WBD+WBC/TSID）
- 方法原理（建模+约束+损失函数）
- 基本代码
- 方法局限性
- 单刚体动力学模型+凸模型预测控制算法+WBC（SRBD+Convex MPC+WBC）
- 方法原理（建模+约束+损失函数）
- 基本代码
- 方法局限性
- 质心动力学模型+非线性模型预测控制算法+WBC（CD+NMPC+WBC）
- 方法原理（建模+约束+损失函数）
- 基本代码
- 方法局限性
- 人形机器人的状态估计
- 方法原理
- 基本代码
- 方法局限性
- 深度强化学习运动控制方法（Learning Base)
- 深度强化学习理论基础（RL）
- Teacher-Student模型和DAgger训练算法
- 方法原理
- 基本代码
- 方法局限性
- DreamWaq盲走一阶段鲁棒行走训练算法
- 方法原理
- 基本代码
- 方法局限性
- PIE感知一阶段鲁棒行走算法
- 方法原理
- 基本代码
- 方法局限性
- Attention落足点优化算法
- 方法原理
- 基本代码
- 方法局限性
- 模仿学习基础：人-机器人重映射算法（Retarget）
- 方法原理
- 方法局限性
- Deepmimic模仿学习+强化学习算法（跳舞）
- 方法原理
- 方法局限性
- AMP模仿学习+强化学习算法（仿人行走）
- 方法原理
- 基本代码
- 方法局限性
- BFM行为基础模型算法
- 基于Teacher-Student多动作学习
- 方法原理
- 基本代码
- 方法局限性
- 基于Deepmimic（SONIC)
- 方法原理
- 方法局限性
- 基于FB的无监督学习（BFM-Zero)
- 方法原理
- 基本代码
- 方法局限性
- 基于Teacher-Student多动作学习
- 传统运动控制方法（Model Base)
- 人形机器人运动控制发展趋势
- 人形机器人运动控制学习路线
- 强化学习运动控制学习路线
- 传统运动控制学习路线
- 代码库
- Pinocchio
- 导入人形机器人的URDF模型，看看里面包含哪些
- 了解人形机器人的正逆运动学，并通过Pinocchio+GPT做一些例子
- 了解人形机器人浮动基动力学模型，看导入模型后的哪些变量是动力学模型里的，做几个正逆动力学的例子
- Pinocchio
- 阅读
- 《机器人建模和控制》
- 《Robot Dynamics Lecture Notes》
- 熟悉
- 正逆运动学
- 正逆动力学
- 浮动基动力学模型
- 代码库
- 人形机器人控制问题解决思路
- 人形机器人运动控制Know-How
- ROBOTO_ORIGIN - Fully Open-Source DIY Humanoid Robot
- 具身智能技术指南 Embodied-AI-Guide
- 深蓝学院
- 人形机器人系统 - 理论与实践
- 第2章: 基于强化学习的人形机器人行走控制
- 第3章: 基于Lidar的人形机器人建图与定位
- 第4章: 人形机器人的全局路径规划与局部避障
- 第5章: 基于TarePlanner与FarPlanner的机器人自主探索
- 第6章: 基于RealSense的人形机器人感知系统
- 第7章: 人形机器人RoboCup仿真足球赛
- 第8章: 大模型赋能人形机器人
- 第1章: 人形机器人技术发展现状与课程介绍
- loco-manipulation
- 人形机器人系统 - 理论与实践
- Humanoid Robot Know-How Documentation
-
Theory
- 斯坦福《机器人学导论》
- Optimal Control 2025
- Lecture 6: Regularization, Merit Functions, and Control History
- Lecture 7: Deterministic Optimal Control and Pontryagin
- Lecture 8: The Linear Quadratic Rgulator Three Ways
- Lecture 9: Controllability and Dynamic Programming
- Lecture 10: Convex Model-Predictive Control
- Lecture 11: Nonlinear Trajectory Optimization
- Lecture 12: Differential Dynamic Programming
- Lecture 13: Direct Trajectory Optimization
- Lecture 14: Intro to 3D Rotations
- Lecture 15: Optimizing Rotations
- Lecture 16: LQR with Quaternions and Quadrotors
- Lecture 17: Hybrid Systems and Legged Robots
- Lecture 18: Iterative Learning Control
- Lecture 19: Stochastic Optimal Control and LQG
- Lecture 20: How to Walk
- Lecture 21: Kalman Filters and Duality
- Lecture 22: Convex Relaxation and Landing Rockets
- Lecture 23: Autonomous Driving and Game Theory
- Lecture 24: Data-Driven Control and Behavior Cloning
- Lecture 1: Intro and Dynamics Review
- Lecture 2: Equilibria, Stability, and Discrete-Time Dynamics
- Lecture 3~5: Optimization
- Underactuated Robotics, Spring 2024
- Robotic Manipulation, Fall 2023
- Robot Dynamics 2022
- Robotics Algorithm
-
Paper
-
Motion
-
URDF
- URDF 制作
- 开源 URDF
- URDF 可视化
- URDF 处理
-
Retarget
-
Train
- Hardware
- Simulator
- Framework
- Locomotion
- Reinforcement Learning
- IsaacGymEnvs
- Legged Gym
- quadruped
- Humanoid
- Imitation Learning
- Perception
- Reinforcement Learning
- Manipulation
- VLA
- World Model
- Locomotion
-
Sim2Sim
- Simulator
- Mujoco
- MuJoCo Playground
- Locomotion
- Pybullet
- Gazebo
- Newton
- Mujoco
- Framework
- Simulator
-
Sim2Real
-
Notifications
You must be signed in to change notification settings - Fork 0
ImChong/Robotics_Notebooks
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
About
No description, website, or topics provided.
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published