实战教程 / 跑得起来的代码
从「不用配电脑、看视频就行」到「装 Python 跑模型」三档分级，给完全没写过代码的同学
读累了想动手？这一页把所有教程按「门槛」分成三档：
- 第 0 档：什么都不用装，打开浏览器看视频或网页就行
- 第 1 档：用 Colab（谷歌提供的免费在线代码本，浏览器打开就能跑代码，自带显卡），不用配环境
- 第 2 档：要在自己电脑上装 Python（一种编程语言）和一堆库，配环境约 1-2 小时
Colab（Google Colaboratory）：网页上的"代码本子"。每个格子写一段代码，点运行就出结果，谷歌免费借你一台带显卡的服务器。完全不需要在自己电脑上装任何东西，只要能科学上网。
GPU（显卡 / 图形处理器）：原本是给游戏画面渲染用的芯片，现在 AI 训练全靠它做大量并行计算。家用显卡也分高低端，跑大模型一般要专业的 A100 / H100，但 Colab 免费版给的 T4 已经够练手。
模型（model）：你可以理解为"一个算好参数的复杂函数"。给它一个输入（图片/文字），它给你一个输出（标签/回答/动作）。所谓"训练模型"就是不断调整这个函数里的几亿个参数，让它越答越准。
读到这里你应该懂了：第 0 档看视频就行，第 1 档浏览器打开 Colab 就能跑代码，第 2 档才需要折腾环境。
几个反复出现的词，先一次性讲清
后面教程里这些词高频出现，先在这里翻译成人话，往下看就不卡壳。
神经网络（Neural Network）：一堆"小函数"层层堆叠，每层接收上一层的数字，做一次加权求和再变换，最后吐出结果。形象点：每一层像考试里的一道大题，前一题的答案是后一题的输入。
训练 / 学习：让模型一遍遍看「输入 → 正确答案」的样例，每次答错就调整内部参数。像背错题本：错一次就改一次，错得越多调得越多。
Loss（损失 / 扣分）：模型这次答得有多差，用一个数字表示。就是考试扣分总和，越小越好。 模型学习的全部目标就是想办法让这个分往下降。
梯度下降（Gradient Descent）：调参数的方法。像下山：站在半山腰，每一步往最陡的下坡方向迈一小步，反复迈直到走到山谷（也就是 Loss 最低点）。
矩阵（Matrix）：一张排好的数字表格，有行有列。两个矩阵相乘有规则，行数列数要对齐。AI 内部所有计算几乎都是矩阵在乘来乘去。
向量表示 / 把东西变成一串数字：一张图、一句话，模型会先把它变成一串数字（比如 512 个数字组成的向量）。两个向量夹角越小（内积越大），代表它俩语义越接近——这就是高中学过的向量内积，AI 里反复用。
数据集（Dataset）：一大堆训练样例打包成的文件夹，比如"100 万张图片 + 每张图的文字描述"。
fine-tune（微调）：别人已经训练好一个大模型，你只用一小撮自己的数据"补课"几小时，让它适应你的任务。像借了学霸的复习提纲再加几道自己学校的题型。
Prompt（提示词）：你给模型的输入文字。同一个模型，prompt 写法不同，效果差很多。
Zero-shot（零样本）：不给模型看过任何这个任务的例子，直接让它做。像月考考了课本上没出现过的题型，但学生靠通识能蒙对。
读到这里你应该懂了：训练 = 让模型背错题本，Loss = 扣分，梯度下降 = 下山找最低点，矩阵 = 数字表格，向量夹角小 = 意思接近。
第 0 档：不用配环境，看视频就行
什么都不用装，B 站 / YouTube 打开就看。强烈建议第一周只做这一档。
1. 3Blue1Brown · 神经网络系列
| 项目 | 说明 |
|---|---|
| 平台 | YouTube |
| 链接 | https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi |
| 语言 | 英文（YouTube 自动中文字幕能看） |
| 时长 | 约 2 小时（7 集，每集 15-25 分钟） |
| 需要英文阅读吗 | 不强制，开自动字幕即可 |
| 好玩瞬间 | 第 3 集会用动画演示"梯度下降下山"，看到蓝色小球一路滚到山谷的瞬间，前面所有抽象数学一下就具象了 |
- 为什么先看这个：把"神经网络怎么从数字识别一步步变成 ChatGPT 背后的 Transformer"用动画讲清楚，没有任何编程门槛
- 看完你会理解前面那些术语（神经网络 / Loss / 梯度下降）到底长什么样
2. 跟李沐学 AI · 动手学深度学习
| 项目 | 说明 |
|---|---|
| 平台 | B 站 |
| 链接 | https://www.bilibili.com/video/BV1if4y147hS/ |
| 语言 | 中文 |
| 时长 | 单集 1-2 小时（共 70+ 集，先看前 10 集就够） |
| 需要英文阅读吗 | 不需要 |
| 好玩瞬间 | 第 8 集左右第一次用代码画出"模型预测的直线慢慢贴近真实数据点"的动图 |
- 为什么推荐：编程零基础学 AI 最稳的中文路径，李沐是行业内顶级讲师，配套书在 https://zh.d2l.ai/ 免费看
- 计划：只先看前 10 集（线性回归 → 多层感知机 → 卷积神经网络），不要贪多
3. Two Minute Papers
| 项目 | 说明 |
|---|---|
| 平台 | YouTube |
| 链接 | https://www.youtube.com/@TwoMinutePapers |
| 语言 | 英文（自动字幕够用） |
| 时长 | 每集 5-10 分钟 |
| 需要英文阅读吗 | 不需要 |
| 好玩瞬间 | 看到一篇"AI 生成会跳舞的人体"或"机器狗在沙地翻跟头"的视频，5 分钟看完会觉得这个领域真的在飞速进步 |
- 作用：累了换换脑子，每集挑一篇前沿论文用动画讲一遍
- 不要尝试自己复现，就当看科技新闻
读到这里你应该懂了：先把这三个看完，建立"AI 是什么样子"的直觉，再去碰代码。
第 1 档：用 Colab 浏览器跑（不用配环境）
打开链接 → 登录谷歌账号 → 点"运行全部"→ 等出结果。全程不在自己电脑上装任何东西。
前置说明：Colab 在国内需要科学上网。免费版给的显卡是 T4，跑前沿小模型都够。每次连接最多 12 小时，关掉浏览器就断。
4. CLIP 官方 Colab：图文匹配第一课
| 项目 | 说明 |
|---|---|
| 平台 | Google Colab（OpenAI 官方） |
| 链接 | https://colab.research.google.com/github/openai/clip/blob/master/notebooks/Interacting_with_CLIP.ipynb |
| 语言 | 英文（注释为主，照着点运行就行） |
| 时长 | 30 分钟 |
| 需要英文阅读吗 | 略需要看懂注释，不会就丢翻译 |
| 好玩瞬间 | 上传一张你自己的照片，模型在「猫 / 狗 / 飞机 / 日落」里挑一个最匹配的标签——它真的能挑对 |
CLIP：OpenAI 2021 年的模型。它干的事是把"图"和"对应的文字描述"都变成同一个空间里的向量，图和文字的向量夹角越小越是同一回事。后面所有看图说话的 AI 几乎都拿它当眼睛。
- 为什么推这个：第一次跑多模态 AI 的最低门槛
- 配套笔记：mmCLIP 笔记
5. CLIP Prompt Engineering：换句话能涨多少分
| 项目 | 说明 |
|---|---|
| 平台 | Google Colab（OpenAI 官方） |
| 链接 | https://colab.research.google.com/github/openai/CLIP/blob/master/notebooks/Prompt_Engineering_for_ImageNet.ipynb |
| 语言 | 英文 |
| 时长 | 1 小时 |
| 需要英文阅读吗 | 略需要 |
| 好玩瞬间 | 同一张图，prompt 从 "cat" 改成 "a photo of a cat"，准确率涨好几个点——你会第一次直观感觉到"AI 也是会偏科的考生" |
- 跑通第 4 个再来跑这个
- 学到的是"提示词工程"的雏形
6. MuJoCo 官方 Python Tutorial：让物体在屏幕里掉下来
| 项目 | 说明 |
|---|---|
| 平台 | Google Colab（DeepMind 官方） |
| 链接 | https://colab.research.google.com/github/google-deepmind/mujoco/blob/main/python/tutorial.ipynb |
| 语言 | 英文 |
| 时长 | 1.5 小时 |
| 需要英文阅读吗 | 略需要 |
| 好玩瞬间 | 写几行 XML 描述"一个球 + 一个斜面"，然后看球真的从斜面滚下来——第一次感受到"用代码捏物理世界" |
仿真器（Simulator）：在电脑里"假造"一个有重力、有摩擦、有碰撞的世界。机器人在真实世界训练太贵又危险，先在仿真里练熟了再搬到真机。MuJoCo 是 DeepMind 维护的物理仿真器，业界标配。
- 作用：后面要做"机器人"相关的项目都绕不开仿真，这是入门第一步
- 这个跑通之后，看后面 SayCan / VLA 项目的代码不会蒙
7. SayCan 官方 Colab：让大语言模型指挥机器人
| 项目 | 说明 |
|---|---|
| 平台 | Google Colab（Google Research 官方） |
| 链接 | https://github.com/google-research/google-research/tree/master/saycan |
| 语言 | 英文 |
| 时长 | 1 小时 |
| 需要英文阅读吗 | 需要看懂 prompt 的英文 |
| 好玩瞬间 | 你打字 "把可乐递给我"，机器人手臂在仿真里依次完成「找到可乐 → 抓起来 → 放到你旁边」——大语言模型第一次"指挥"了一个会动的东西 |
- 配套笔记：SayCan 笔记
- 看 LLM 怎么给每个动作打分，再和"我现在到底能不能做这个动作"相乘选最优
LLM（Large Language Model，大语言模型）：就是 ChatGPT、文心一言这一类。给它一段文字，它接着写。
读到这里你应该懂了：第 1 档的 4 个 Colab 全跑完，你就摸过了"图文匹配 + 物理仿真 + LLM 指挥机器人"三件事。
第 2 档：自己电脑装 Python（配环境 1-2 小时）
要在自己电脑装 Python，第一次配环境约 1-2 小时。强烈建议先把第 0、1 档过一遍再来这档。
Python：一种编程语言。AI 圈几乎全用它。安装方式推荐 Miniconda（一个包管理工具）。
包 / 库（Package / Library）：别人写好的代码合集，直接拿来用。装库的命令长这样：
pip install xxx。国内装库慢就用清华源：pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple
PyTorch：Facebook 主推的 AI 框架（一大堆现成函数）。本档项目几乎全建在它上面。
8. SmolVLA：能在自己笔记本上跑通的"机器人大脑"
| 项目 | 说明 |
|---|---|
| 平台 | HuggingFace Blog + LeRobot GitHub |
| 链接 | https://huggingface.co/blog/smolvla |
| 语言 | 英文 |
| 时长 | 3-5 小时（含微调约 20 分钟） |
| 需要英文阅读吗 | 需要，配翻译 |
| 是否要 GPU | 需要，但单张消费级显卡或 MacBook M 系列就够 |
| 好玩瞬间 | 你的小笔记本（不是服务器）真的训出了一个能"看图听指令、给出机械臂动作"的小模型 |
VLA（Vision-Language-Action 模型）：眼睛看图（V）+ 耳朵听指令（L）+ 手做动作（A）三合一的模型，给机器人当大脑。
- 作用：450M 参数的小型 VLA，用 Macbook 也能跑
- 配套笔记：OpenVLA 笔记 + VLA 大盘
9. HuggingFace LeRobot 官方教程
| 项目 | 说明 |
|---|---|
| 平台 | HuggingFace Space |
| 链接 | https://huggingface.co/spaces/lerobot/robot-learning-tutorial |
| 语言 | 英文 |
| 时长 | 4-6 小时 |
| 需要英文阅读吗 | 需要 |
| 是否要 GPU | Colab T4 / 本地 8GB+ 显卡 |
| 好玩瞬间 | 用键盘"遥操"一个仿真机械臂去抓木块，自己录数据，再训一个模型让它自己抓 |
- 作用：HuggingFace 官方机器人学习课程，覆盖数据格式、遥操、训策略
- 可作为「跑通 SmolVLA」之后的进阶
10. LeRobot 中文教程（飞书文档）
| 项目 | 说明 |
|---|---|
| 平台 | 飞书 Wiki（社区翻译） |
| 链接 | https://zihao-ai.feishu.cn/wiki/space/7589642043471924447 |
| 语言 | 中文 |
| 时长 | 2-4 小时 |
| 需要英文阅读吗 | 不需要 |
| 是否要 GPU | 跑训练时需要 |
| 好玩瞬间 | 中文文档下顺利跑通"训练扩散策略"那一节，没卡在英文 |
- 作用：上一个英文教程读不动了来这里
- 重点看「训练扩散策略」章节
11. PyBullet 入门：另一个免费仿真器
| 项目 | 说明 |
|---|---|
| 平台 | 官方文档 + GitHub examples |
| 链接 | https://docs.google.com/document/d/10sXEhzFRSnvFcl3XxNGhnD4N2SedqwdAvK3dsihxVUA |
| 语言 | 英文 |
| 时长 | 4-5 小时 |
| 需要英文阅读吗 | 需要 |
| 是否要 GPU | 不需要 |
| 好玩瞬间 | 看到一个 URDF 描述的机械臂在 PyBullet 里挥舞 |
- 作用：MuJoCo 跑通后想换换看，PyBullet 装起来更简单（一行
pip install pybullet），机器人模型库更丰富
读到这里你应该懂了：第 2 档的核心是 SmolVLA + LeRobot——能在自己电脑上摸到一个真正的机器人模型。
第 3 档：先别碰，等有 GPU 服务器再说
下面这些都是大模型，家用显卡跑不动，需要 A100 / H100 这种专业卡。现在不必跑，看视频和论文为主。
| 项目 | 链接 | 显存要求 | 一句话 |
|---|---|---|---|
| OpenVLA 完整训练 | https://github.com/openvla/openvla | 单卡 LoRA 微调要 27GB；完整训要 8 张 A100 | 真的能用的开源 VLA，门槛是 GPU |
| NVIDIA Cosmos | https://github.com/NVIDIA/Cosmos | A100/H100 推荐 | 世界模型 + 后训练，前沿但门槛高 |
| LLaVA | https://github.com/haotian-liu/LLaVA | 推理单卡 24GB；训练 8 张 A100 | "看图说话"模型代表 |
| NVIDIA Isaac Lab | https://github.com/isaac-sim/IsaacLab | RTX 30 系以上 + Linux | 大规模仿真训练框架 |
LoRA（Low-Rank Adaptation）：微调大模型的省钱招。原模型有几十亿参数，全调一遍训不动；LoRA 只在旁边加一小撮参数，只调这一小撮，省 90% 显存。
后训练（Post-training）：在已经训好的模型上，再用一小批高质量数据"做题强化"，让它更对齐人类偏好或某个具体任务。
读到这里你应该懂了：第 3 档现在只用看，不用跑。等到你有云服务器或学校实验室的显卡再说。
推荐路径（编程零基础版）
第 1 周：3Blue1Brown 神经网络（看视频）→ 李沐前 10 集（看视频）
第 2 周：CLIP 两个 Colab（浏览器跑）→ MuJoCo Tutorial（浏览器跑）
第 3 周：SayCan Colab（浏览器跑）→ 装 Python → SmolVLA（自己电脑跑）
第 4 周：LeRobot 官方教程（自己电脑跑）
第 5 周后：有 GPU 再去碰 OpenVLA / Cosmos
重点提醒：
- 不要跳级。直接啃 OpenVLA 训练代码，会卡 80% 的时间在配环境上，反而学不到任何概念
- 每跑通一个就在 problems/ 记一笔，至少写"今天遇到 XX 报错，搜了 XX 解决"
- 每懂一个新概念就在 learnings/ 写一篇，用自己的话解释一遍
读到这里你应该懂了：从看视频到自己跑模型大约需要 4-5 周，不要急。
仓库可用性快速参考
| 论文 / 项目 | GitHub | 维护状态 | 一句话 |
|---|---|---|---|
| OpenVLA | https://github.com/openvla/openvla | 活跃，2025 年还在更新 | 能跑，主要难在 GPU 不够 |
| LeRobot / SmolVLA | https://github.com/huggingface/lerobot | 非常活跃，HuggingFace 官方维护 | 能跑，强烈推荐 |
| LLaVA | https://github.com/haotian-liu/LLaVA | 已有 NeXT 版接班 | 能跑，建议直接用 LLaVA-NeXT |
| SayCan | https://github.com/google-research/google-research/tree/master/saycan | 仅 Colab 演示 | 能跑 demo，不能复现训练 |
| Cosmos | https://github.com/NVIDIA/Cosmos | 活跃，NVIDIA 官方 | 能跑推理，门槛高 |
| CartoRadar | 未公开（MIT 实验室） | 论文公开，代码未开源 | 不能跑，等开源 |
| 大量硬件相关论文 | 多无开源代码 | - | 读论文为主，硬件复现不现实 |
读到这里你应该懂了：不是每篇论文都有代码可跑，但本页推荐的入门项目都已亲测能跑通。
跑代码遇到问题怎么办
- 先 grep 看 problems/ 有没有人踩过同一个坑
- 报错信息直接复制到搜索引擎或 ChatGPT，90% 都有现成答案
- 国内下载慢就换镜像源（清华 / 阿里）
- 模型权重下载不动就用 HuggingFace 镜像站
- 解决了就回来记一笔到 problems/，下次自己或别人能直接用
读到这里你应该懂了：遇坑不可怕，记下来就是经验。
能跑得起来的开源项目（按"能不能上手"排序）
下面这些是 2026-05 当时还活跃维护、有清楚 README、能在合理硬件上跑通的开源项目。从最适合第一次跑的开始。
术语速查（首次出现给类比，不重复解释）
- VLA（Vision-Language-Action）模型：吃图片 + 文字指令，吐出机器人动作的"大脑"。类比：把 ChatGPT 装进机械臂里，告诉它"把红方块拿过来"它就会动。
- 仿真器（simulator）：电脑里的虚拟物理世界，让机器人先在里面摔一万次再上真机。类比：F1 车手先在赛车游戏里练。
- Imitation Learning（模仿学习）：人手把手示范几十次，机器人学着做。类比：师傅带徒弟。
- RL（Reinforcement Learning）：机器人自己反复试错，做对了给奖励。类比：训狗。
- BOM（Bill of Materials）：清单 + 总价。买齐这些零件就能搭一台机器。
- Colab T4：Google Colab 免费档配的 GPU，16GB 显存，能力约等于 2018 年的卡。能跑小模型推理，跑不动大模型训练。
- RTX 3060 / 4090 / A100：消费级 → 发烧级 → 数据中心级 GPU。显存依次约 12GB / 24GB / 80GB，价格依次约 ¥2k / ¥15k / ¥15w。
第一梯队：入门读者首选（⭐ 难度 1-2）
1. HuggingFace LeRobot
- 链接：https://github.com/huggingface/lerobot
- 一句话定位：具身智能界的"HuggingFace Transformers"——下载预训练策略 / 数据集 / 跑微调，全套工具链
- 状态：24.5k stars / v0.5.1（2026-04-07）/ 极活跃
- 门槛：⭐⭐ 纯软件部分能在 Colab T4 跑；硬件可选（最低 ¥230 一对 SO-101 臂就能玩）
- 支持硬件：SO-100 / SO-101 / Koch / Aloha / Unitree G1 / 手机 / 键盘等
- 入门路径：
- Hugging Face Spaces 上的免费 Robot Learning Tutorial 课（中英文）
- 官方 examples/ 编号 1-3 教程：加载数据集 → 评估预训练策略 → 训练自己的策略
- 中文社区教程：搜"lerobot SO-100 教程"
- 推荐时机：第一站。先跑通 examples/2_evaluate_pretrained_policy.py，能看到机器人在仿真里动起来——比啃论文有正反馈得多
2. MuJoCo Menagerie
- 链接：https://github.com/google-deepmind/mujoco_menagerie
- 一句话定位：DeepMind 维护的高质量机器人模型仓库——免费的 3D 机器人"贴纸册"
- 状态：3.5k stars / 持续更新
- 门槛：⭐ MuJoCo 本身 pip 一行装好；纯 CPU 就能跑，Colab 完全可用
- 包含模型：Unitree H1/G1/Go2 / Franka Panda / UR5e / Boston Dynamics Spot / Shadow Hand / Stretch 3 等几十款
- 入门路径：
pip install mujoco→ 打开任意 XML 文件即可加载渲染- DeepMind MuJoCo tutorial.ipynb（Colab 一键跑）
- 推荐时机：想直观感受"机器人模型长什么样"时；做仿真前的"逛博物馆"
3. ManiSkill 3
- 链接：https://github.com/haosulab/ManiSkill
- 一句话定位：UC San Diego 出品的 GPU 加速操作仿真平台——SAPIEN 引擎 + 数十个 RL/IL 任务
- 状态：2.9k stars / v3.0.1（2026-04-21）/ 活跃
- 门槛：⭐⭐ 官方提供 Colab 快速上手 notebook，免费档可跑；本地需要 NVIDIA GPU + Linux
- 亮点：高端 GPU 上 RGBD 数据采集可达 30000+ FPS，比传统 CPU 仿真快 10-100 倍
- 推荐时机：跑通 LeRobot 后想做大规模训练 / 数据采集时
第二梯队：有 GPU 的进阶玩家（⭐ 3）
4. Robosuite
- 链接：https://github.com/ARISE-Initiative/robosuite
- 一句话定位：MuJoCo 之上的模块化机器人学习框架——模仿学习论文最常用的 benchmark 之一
- 状态：2.4k stars / v1.5.2（2025-12-24）
- 门槛：⭐⭐ CPU 也能跑（慢），GPU 渲染加速；无 Colab 官方支持但社区有 notebook
- 配套：常和 robomimic 一起用做 IL 实验
- 推荐时机：想复现 ALOHA / Diffusion Policy / ACT 论文时
5. RLBench
- 链接：https://github.com/stepjam/RLBench
- 一句话定位：基于 CoppeliaSim 的 100+ 操作任务集——视觉/语言条件策略论文的常客
- 状态：1.8k stars / v1.1.0（2021-05，更新慢但论文还在用）
- 门槛：⭐⭐⭐ 装 CoppeliaSim 麻烦；headless 跑需要 X server 配置
- 推荐时机：复现 PerAct / RVT / 3D Diffuser Actor 等论文时
6. Habitat-Lab
- 链接：https://github.com/facebookresearch/habitat-lab
- 一句话定位：Meta 出品的具身导航仿真平台（人形 + 机器人 + 室内场景）
- 状态：3.0k stars / v0.3.4（2026-05-07）/ Meta 内部已停止官方维护（注意）
- 门槛：⭐⭐⭐ Docker 装；NVIDIA GPU 必备；社区有 Colab tutorial 但需自己改
- 推荐时机：研究导航 / 家务机器人 / 人机交互时；想跑 manipulation 用 ManiSkill
第三梯队：需要 4090+ 或云 GPU（⭐ 4-5）
7. Physical Intelligence π0 / π0.5（OpenPI）
- 链接：https://github.com/Physical-Intelligence/openpi
- 一句话定位：π0 已开源！能"听懂自然语言指令、在新家也能干活"的真·VLA 基础模型
- 状态：12.1k stars / 2025-09 加 PyTorch 支持 + π0.5 / Apache 2.0
- GPU 门槛：
| 任务 | 显存 | 大概什么卡 |
|---|---|---|
| 推理 | >8 GB | RTX 4090 / 3090 |
| LoRA 微调 | >22.5 GB | RTX 4090 |
| 全量微调 | >70 GB | A100 / H100（云上租） |
- Colab T4 能跑吗：勉强能跑推理（要 8bit 量化）；微调跑不动
- 入门路径：README 的 "easy inference" 几行代码就能跑通假数据
- 推荐时机：把 LeRobot / ManiSkill 玩透之后；想看"真正的 VLA 大脑"长什么样
8. OpenVLA
- 链接：https://github.com/openvla/openvla
- 一句话定位：开源 7B VLA 模型——很多 VLA 论文的对比基线
- 状态：6.3k stars / 持续更新（OFT / FAST 更新到 2025-03）
- GPU 门槛：推理 ~16GB（4090 行）；LoRA 微调 ~72GB A100；全量需 8×A100
- Colab T4 能跑吗：勉强（8bit 量化推理）
- 入门路径：HuggingFace AutoModel 两行代码加载预训练模型
- 推荐时机：读 VLA 论文时拿来对照基线效果
9. NVIDIA Isaac Lab
- 链接：https://github.com/isaac-sim/IsaacLab
- 一句话定位：NVIDIA 官方的 GPU 加速机器人学习框架（建立在 Isaac Sim 上，取代已弃用的 Isaac Gym）
- 状态：7.3k stars / v3.0.0-beta（2026-03-17）/ Apache 2.0
- GPU 门槛：⭐⭐⭐⭐ 必须 RTX 卡（要 RT Cores），推荐 RTX 3070+；Colab 不支持（需要 X server 显示环境）
- 官方推荐：RTX 3070 起步 / 32GB RAM / Ubuntu 22.04
- 入门路径：Isaac Lab 文档有 30+ 即开即用环境
- 推荐时机：有 NVIDIA 工作站 + 想做大规模 RL（如四足机器人步态）时
10. Mobile ALOHA / ALOHA 2（硬件）
- 链接：
- Mobile ALOHA：https://github.com/MarkFzp/mobile-aloha（4.4k stars / Stanford）
- 项目主页：https://aloha-2.github.io/（DeepMind ALOHA 2）
- 一句话定位：双臂遥操作机器人——能折衣服、煎虾、铺床的全开源硬件平台
- BOM 成本：
- 自组 Mobile ALOHA ≈ $32,000（4 个 Interbotix 臂 + AgileX 移动底盘 + 相机）
- Trossen Robotics 预装套件 $30k-$45k
- ALOHA 2 静态版 $20k-$32k
- 门槛：⭐⭐⭐⭐⭐ 给个人玩家不现实；适合实验室 / 公司
- 推荐时机：作为"目标海报"——想象一下你做完 LeRobot 教程后能玩什么
入门读者的"跑通"路线推荐
周 1-2：零成本起步
- 跑通 MuJoCo Colab tutorial（看到机器人动起来）
- 跑通 LeRobot examples/2_evaluate_pretrained_policy.py（看预训练策略表现）
周 3-4：加点深度
- LeRobot examples/3_train_policy.py（训练自己第一个 ACT/Diffusion 策略）
- ManiSkill quickstart Colab（感受 GPU 并行仿真）
月 2+：可选硬件
- 攒 ¥230 买 SO-101 双臂套件（如果真的喜欢）
- 用真机录 50 条数据 → 上传 HuggingFace Hub → 训练 → 部署
月 3+：大模型实战
- 租 4090（autodl / vast.ai 一小时 ¥1-3）跑 OpenPI π0 推理
- 复现一篇你最喜欢的 VLA 论文
"什么卡能跑什么"速查表
| 项目 | Colab T4 (16GB) | RTX 3060 (12GB) | RTX 4090 (24GB) | A100 (80GB) |
|---|---|---|---|---|
| MuJoCo Menagerie | OK | OK | OK | OK |
| LeRobot 推理/训练（小） | OK | OK | OK | OK |
| ManiSkill 仿真 | OK | OK | OK | OK |
| Robosuite | OK | OK | OK | OK |
| Habitat-Lab | 需配置 | OK | OK | OK |
| Isaac Lab / Sim | NO | 勉强 | OK | OK |
| OpenPI π0 推理 | 8bit 量化 | 8bit 量化 | OK | OK |
| OpenPI π0 LoRA 微调 | NO | NO | OK | OK |
| OpenPI π0 全量微调 | NO | NO | NO | OK |
| OpenVLA 推理 | 8bit | 8bit | OK | OK |
总结一句话
- 明天就能开跑：MuJoCo Menagerie + LeRobot examples
- 有点 GPU 想做研究：ManiSkill / Robosuite / RLBench 三选一
- 真要搞 VLA 大模型：OpenPI（π0 已开源是 2025 年最大利好）
- 想买真机：SO-101 ¥230 入门 → 攒钱看 ALOHA $30k+
- 企业级仿真：Isaac Lab（但有学习曲线，不是入门首选）