具身策略模型训练与仿真部署

鹿明机器人科技（深圳）有限公司

时长：1周报名人数：3-5人

项目结业证书、作品集成果、能力标签、达标后可进入岗位推荐池

深度学习进阶具身智能Python

把人类演示的经验数据变成机器自己的决策能力，是具身智能的核心。本项目带你在纯 Python + numpy 环境里亲手走完这条训练链路：手写反向传播训出行为克隆策略，用扩散策略解决多峰动作难题，再用仿真 rollout 的量化数字证明策略可以上线——"模型是怎么从数据里长出来的"，从此不再是黑盒。

项目概览

对行为克隆（BC）基本原理的理解，能够识别其分布偏移等缺陷

对于扩散策略核心思想（去噪采样过程）有概念性认知

熟悉仿真部署与rollout评估的基本流程，以便解读训练效果

训练 loss 降低，闭环 120 步最终误差，退出码 0，运行日志，README

BC 偏置 b、扩散左峰比例，成功率扩散 vs BC，退出码 0,运行日志，README

单次 rollout 成功步数，40 次成功率，平滑度 < 加噪对照，退出码 0，运行日志，README

工单式推进 · 每步留证据

你是算法组实习生，mentor 说先别急着上大模型，把 baseline 跑通再说。4000 条专家演示已经备好，本任务手写两层 MLP 的"前向→反向→梯度下降"训练闭环，训练 200 轮后让机械臂不看公式、靠网络自己走到目标点；挑战环节把数据砍到 500 条，亲眼看着泛化崩塌

交付物：补全后的任务一_行为克隆训练_学生动手.py、output_任务、退出码截图、README.md

卡点技能：行为克隆训练

BC baseline 在"左右都能推"的任务上成功率是 0%。画出动作分布才发现：专家数据是双峰的，BC 只学了个两峰平均——直直撞空。本任务手写扩散策略的去噪采样，让成功率对比翻盘，真正理解"策略表达能力"这个抽象概念指什么、什么时候该上扩散

交付物：补全后的任务二_扩散策略与BC对比_学生动手.py、output_任务二，退出码截图、README.md

卡点技能：扩散策略与 BC 对比

策略要上线了，leader 不要"感觉不错"，要数据。本任务把训练好的策略放进 2D 点机器人仿真环境：单次 rollout 看完整轨迹，40 次 rollout 统计成功率，再算动作平滑度，产出一份量化评估报告——这是策略能不能进下一阶段的分水岭

交付物：补全后的任务三_扩散策略与BC对比_学生动手.py、output_任务三、退出码截图、README.md

卡点技能：仿真部署与成功率评估

已加入 2 人

算

算法工程师（TL）

已加入

实

实训智能助手

已加入

空位