Framework aberto para criar agentes incorporados que usam planejadores com LLMs, modelos VLA de manipulação e memória para executar tarefas robóticas em simuladores e robôs reais.
TianxingChen/Embodied-AI-Guide
Base de conhecimento em chinês sobre IA incorporada, com um índice curado de algoritmos, infraestrutura, controle e hardware, além de um tutorial prático de RoboTwin 2.0.
- Estrelas
- 16,564
- Forks
- 1,059
- Issues abertas
- 3
- Último commit
- há 6 dias
O que é?
Embodied-AI-Guide é uma base de conhecimento em chinês sobre IA incorporada, área que estuda robôs e outros agentes físicos capazes de aprender a perceber e agir no mundo real. Organizada como uma enciclopédia, ela explica as principais áreas técnicas (modelos VLA, aprendizado por reforço e por imitação, simuladores, conjuntos de dados, benchmarks, controle de corpo inteiro, sensores e hardware tátil) e indica artigos, cursos, laboratórios, newsletters e listas awesome sobre cada uma delas.
O guia também inclui um percurso prático baseado no RoboTwin 2.0, uma plataforma de simulação com dois braços, 50 tarefas e mais de 100 mil trajetórias pré-coletadas. O tutorial ensina a instalar o ambiente, baixar os dados, treinar uma política ACT e avaliá-la em relação ao leaderboard, além de informar que o código da política fica no submódulo XPolicyLab. Um glossário com cerca de 20 termos e uma tabela de trilhas de aprendizado por perfil ajudam quem está começando a escolher por onde começar.
O conteúdo está principalmente em chinês simplificado. O projeto só pode ser usado para fins não comerciais.
Recursos principais
- 01Seções em formato de enciclopédia sobre algoritmos, infraestrutura, controle e hardware
- 02Tutorial completo de RoboTwin 2.0, da configuração do ambiente à avaliação da política
- 03Download de conjuntos de dados pré-coletados para 50 tarefas de simulação com dois braços
- 04Listas curadas de artigos, conferências, newsletters e laboratórios de pesquisa
- 05Glossário com cerca de 20 termos de IA incorporada e trilhas de aprendizado por perfil
Casos de uso
- Desenvolvedores iniciantes em aprendizado robótico que buscam uma visão estruturada da área
- Treinar e avaliar pela primeira vez uma política de manipulação em simulação, sem precisar de um robô físico
- Encontrar artigos recentes sobre VLA e repositórios open source relacionados
- Escolher uma trilha de aprendizado em hardware ou controle com base na experiência em software ou robótica
Início rápido
- 1
Clone o repositório RoboTwin junto com o submódulo XPolicyLab
git clone --recurse-submodules https://github.com/RoboTwin-Platform/RoboTwin.git - 2
Baixe os dados pré-coletados para a tarefa beat_block_hammer
bash scripts/download_xpolicylab_data.sh beat_block_hammer - 3
Instale o ambiente de execução da policy ACT a partir da pasta policy do XPolicyLab
bash install.sh - 4
Siga o guia oficial de instalação para configurar o ambiente da plataforma RoboTwin
Antes de usar
- Para treinar o tutorial do ACT, é necessária uma GPU com pelo menos 16 GB de VRAM.
- As orientações oficiais recomendam evitar GPUs das séries A, H e V para coleta de dados e avaliação de policies.
- A licença do projeto permite apenas o uso não comercial.
Tópicos
Perguntas frequentes
- O que é Embodied-AI-Guide?
- Base de conhecimento em chinês sobre IA incorporada, com um índice curado de algoritmos, infraestrutura, controle e hardware, além de um tutorial prático de RoboTwin 2.0. Embodied-AI-Guide é uma base de conhecimento em chinês sobre IA incorporada, área que estuda robôs e outros agentes físicos capazes de aprender a perceber e agir no mundo real. Organizada como uma enciclopédia, ela explica as principais áreas técnicas (modelos VLA, aprendizado por reforço e por imitação, simuladores, conjuntos de dados, benchmarks, controle de corpo inteiro, sensores e hardware tátil) e indica artigos, cursos, laboratórios, newsletters e listas awesome sobre cada uma delas.
- Embodied-AI-Guide é gratuito? Qual é a licença?
- Embodied-AI-Guide é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
- Embodied-AI-Guide ainda é mantido?
- Manutenção ativa. O último commit de Embodied-AI-Guide foi em 14 de out. de 2026.
- Para que posso usar Embodied-AI-Guide?
- Desenvolvedores iniciantes em aprendizado robótico que buscam uma visão estruturada da área Treinar e avaliar pela primeira vez uma política de manipulação em simulação, sem precisar de um robô físico Encontrar artigos recentes sobre VLA e repositórios open source relacionados Escolher uma trilha de aprendizado em hardware ou controle com base na experiência em software ou robótica
- Como instalar Embodied-AI-Guide?
- Clone o repositório RoboTwin junto com o submódulo XPolicyLab: git clone --recurse-submodules https://github.com/RoboTwin-Platform/RoboTwin.git Baixe os dados pré-coletados para a tarefa beat_block_hammer: bash scripts/download_xpolicylab_data.sh beat_block_hammer Instale o ambiente de execução da policy ACT a partir da pasta policy do XPolicyLab: bash install.sh Siga o guia oficial de instalação para configurar o ambiente da plataforma RoboTwin
- Onde consigo Embodied-AI-Guide?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/TianxingChen/Embodied-AI-Guide
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Uma lista selecionada de livros, cursos, simuladores, bibliotecas de software, conferências, periódicos e competições de robótica.
Uma plataforma de simulação para robótica e IA incorporada que combina um mecanismo de física múltipla, um renderizador fotorrealista e um compilador multiplataforma com uma interface Python.
Bindings Python e camada de políticas robóticas sobre o mecanismo de inferência Rust ApxInf, que executa modelos VLA como PI-0.5 em Jetson Thor/Orin e GPUs RTX.
Uma lista organizada por linguagem, com tutoriais que guiam desenvolvedores na criação de aplicações completas do zero.
Guia visual e baseado em exemplos sobre o Claude Code, com templates prontos para copiar e colar de slash commands, memória, skills, subagents, hooks e MCP.