探索实训

实验室里，一只 12 关节灵巧手已经接入仿真环境，RViz 中的点云手正在等待指令。项目组希望摆脱笨重的数据手套，让操作员只凭摄像头识别到的人手动作，就能远程驱动机械手完成抓取。你的任务是把关节控制、手势识别、重定向映射、滤波平滑和抓取判定全部串起来，让“人手一捏，机械手跟着捏住目标球”真正跑通。

抓取产线要上线了，感知组给机械臂装上了 RGB-D 相机。眼睛有了，可机械臂「听不懂」相机的话：相机说物体在 (0.1, 0.2, 0.3)，机械臂只认自己的基座坐标系。中间隔着三件事——把深度像素变成 3D 点云、把相机和手臂对齐、把看到的物体变成机械臂能去的位姿。今天，由你亲手打通这条感知链。

数据组新扩了一条产线：主从遥操作。操作员像开挖掘机一样摇主臂，几米外的从臂实时复刻动作，全程录像存档——这条链路今天由你搭起来。链路刚跑顺，训练组就找上门：用这批数据训出的策略动作怪异。数据质量不佳，所以得先给数据做体检。你要回答两个问题：从臂慢的那半拍有多大？这批数据到底脏在哪？

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。

入职鹿明机器人数据感知组，攻坚相机内参标定与 UMI 手持采集质检，打造工业级具身数据闭环！

在智能制造产线上，一台六轴机械臂要完成"接到指令—算准位置—绕开障碍"才能抓起一个工件。本项目 以 UR5e 机械臂与 ROS2 Humble 仿真环境为载体，带你亲手打通这条控制主链路：发布关节指令、手写正逆运动学、用 MoveIt2 规划轨迹完成抓取-放置，把"机械臂为什么会动"从黑盒变成你写下的每一行代码。