课程交流群
购课后，欢迎加入课程交流群，> 戳此加入<
你将获得
- 基础：让 Agent 开发经验无缝迁移到具身智能
- 成本：无需昂贵 GPU，低成本机械臂跑通实操
- 路径：打通从数据采集到真机成功率的完整闭环
- 成果：产出可演示、可测评、可迭代的真机作品
讲师介绍
16 年软件工程经验，目前在国内头部互联网大厂负责大模型核心项目。曾先后主导金融大模型、AI Coding 平台和保险智能体等多个企业级产品的 0 到 1 落地——从多智能体协同架构、复杂任务的规划与编排，到多模态大模型从数据构建、微调到生产部署的端到端闭环，完整跑通过大模型应用从架构设计到规模化落地的每一环，踩过的坑都在真实业务里验证过。
在 Agent 做到深水区之后，开始转向一个更难的方向：具身智能。近两年系统性投入，围绕机器人学习框架、具身数据采集与训练管线做大量一线实践，完成了从“大模型工程师”到“具身智能实践者”的转型。以自身经历，沉淀 LLM Agent 工程师转型具身智能开发的实践经验与高效路径。
课程介绍
Agent 正在从屏幕走向物理世界，能自主完成任务、会调用工具的它，下一步要实现的是：如何看见世界、理解环境，并真正完成一系列动作？
对有 Agent 开发经验的工程师来说，这不是从零开始，而是带着工程方法论「降维」进入一个紧缺工程师的领域——具身智能。
从“模型能训练”到“机器人能稳定完成任务”，要补哪些知识、留下哪些证据，怎样排查失败，这个过程中存在一条高效的能力迁移路径，这门课分享的就是这条路径。
课程设计：
课程由五个模块组成，始终围绕同一条主线推进。
原理底座篇先回答“为什么”。你会用 MDP 看懂感知、决策和执行，分清模仿学习、强化学习与 VLA 的边界，再沿着协变量偏移理解单帧 BC 为什么一进闭环就容易崩，以及 ACT、Diffusion、Flow Matching 三类动作头分别在解决什么问题。
数据平台篇处理最容易被低估的一层。你会从一帧数据出发，读懂 LeRobot Dataset v3 的 Parquet、MP4、metadata 和 stats，随后把采集纪律、质检、加工、打标、轨迹还原与失败补采接成数据飞轮。你不只会“录数据”，还会判断一批数据为什么值得训练。
LeRobot 框架实践篇进入模型。先沿数据流和 processor 合同排查真机乱动，再建立 ACT 基线。随后再做 Diffusion 的公平对照和 SmolVLA 的参数高效微调，判断什么时候该换模型，什么时候应先修数据和执行链路。
真机机械臂篇把策略接到 SO-101。从电机、总线、标定和相机建立硬件心智模型，依次通过连通、安全、小步运动、遥操作、采集、回放、训练和评测。这里不会把真机当作最后一讲的彩蛋，安装、校准、遥操作和失败诊断本身就是主线。
工程交付篇把前面的能力组装起来。大模型提出计划，技能层限定任务范围，ACT 或 VLA 生成连续动作，再逐项接入限幅、停止、接管和运行记录。最终交付一份可用于面试求职的具身 Agent 作品集。
课程提供配套仓库：https://github.com/qingxunwz-cmyk/lerobot-data-lab
我们目前身处机器人开发窗口期，期待与你一起投身具身智能浪潮，共同参与这一前沿领域的成长与突破！
课程目录
适合人群
- 有 AI Agent / LLM 应用开发经验的工程师
- 想转入具身方向的算法 / 后端 / 全栈工程师
- 有 SO-101 或有兴趣了解，想体验真机的人
- 需要一定 Python 编程基础，不需要先啃强化学习
⚠️ 不要求 GPU，没有真机也能学，纯仿真零投入，有机械臂操作演示，确定有兴趣后再接入机械臂。
订阅须知
- 本专栏为虚拟商品，交付形式为图文+音频，一经订阅，概不退款。
