Skip to content

About

人工智能知识库记录

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

8 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 

Repository files navigation

Robotics AI Workbench

面向 AI 与机器人研发的长期学习、工程实践和知识沉淀工作台。
从理解原理,到使用 AI Agent 辅助研发,再到机器人系统实现与验证,把零散的学习过程沉淀为可检索、可复用、可持续迭代的工程资产。

在线知识库 · 浏览文档源码 · 问题与讨论

项目定位

Robotics AI Workbench 不只是一个 Markdown 笔记仓库,而是一个围绕 AI Engineering、Agent Engineering、Physical AI 和 Robotics 建立的个人研发工作台。

这里持续记录:

  • AI 技术:LLM、模型推理、RAG、模型评估与部署。
  • Agent 工程:Agent 工作流、Context Engineering、MCP、工具调用和多 Agent 协作。
  • Physical AI:VLA、World Model、Diffusion Policy、模仿学习与强化学习。
  • 机器人技术:感知、SLAM、路径规划、运动控制、机械臂与移动操作。
  • AI 驱动研发:利用 AI 辅助阅读代码、设计架构、开发功能、调试问题和执行测试。
  • 工程实践:项目实现、仿真实验、部署记录、性能分析和问题复盘。

技术知识体系

模块 主要内容
AI Foundations LLM、Transformer、推理优化、RAG、模型评估
Agent Engineering Agent、Context Engineering、MCP、工具调用、多 Agent 编排
Physical AI VLA、World Model、Diffusion Policy、Robot Learning
Robotics Core 感知融合、SLAM、规划、MPC / MPPI / WBC、机械臂控制、ROS 2
AI-driven R&D AI 辅助编码、代码理解、自动测试、实验分析与研发工作流
Simulation & Deployment Isaac Sim、Isaac Lab、MuJoCo、Gazebo、Sim2Real、嵌入式部署
Projects 从需求分析、系统设计到代码实现和实验验证的完整项目
Problems & Solutions 开发环境、算法实现、仿真、部署和硬件问题的排查记录
Research & Journal 论文解读、技术资料、学习日志和阶段复盘

研发闭环

Research → Understand → Design → Build → Test → Analyze → Document

  1. Research:检索论文、官方文档、开源项目和技术资料。
  2. Understand:理解算法原理、适用条件和工程约束。
  3. Design:明确需求、模块接口、技术路线和验收指标。
  4. Build:实现代码,使用 AI Agent 辅助开发和重构。
  5. Test:执行编译、单元测试、仿真和必要的实机验证。
  6. Analyze:分析日志、性能指标、失败案例和系统瓶颈。
  7. Document:沉淀技术笔记、实验结果和可复用的问题解决方案。

在线知识库

打开 Robotics AI Workbench

网站基于 Docsify 和 GitHub Pages 构建,支持目录导航、全文搜索、公式显示和代码复制。日常内容以 Markdown 维护,无需本地构建网站。

快速编辑

  • 修改已有文章: 在网站文章底部点击“在 GitHub 上编辑此页”,或直接在仓库的 docs/ 目录中编辑对应 Markdown 文件。
  • 新增文章: 在对应主题目录创建 Markdown 文件,并在 docs/_sidebar.md 中增加导航链接。
  • 记录问题: 复制 docs/templates/problem.md,填写复现环境、排查过程、根因、解决方案和验证结果,再更新问题索引。
  • 记录实验: 复制 docs/templates/experiment.md,记录代码版本、实验配置、评价指标和实际结果。

仓库结构

Robotics-AI-Workbench/
├── README.md
└── docs/
    ├── index.html
    ├── _sidebar.md
    ├── _navbar.md
    ├── 00-start-here/
    ├── 01-ai-foundations/
    ├── 02-agent-engineering/
    ├── 03-physical-ai/
    ├── 04-robotics-core/
    ├── 05-ai-driven-rd/
    ├── 06-simulation-validation/
    ├── 07-projects/
    ├── 08-problems-and-solutions/
    ├── 09-research/
    ├── 10-journal/
    └── templates/

问题与解决方案

问题记录是本仓库的重要组成部分。每条记录尽量包含:

  • 问题现象、预期行为和完整报错。
  • 操作系统、硬件、软件版本及关键配置。
  • 最小复现步骤和排查过程。
  • 已确认根因与尚未验证的假设。
  • 解决方法、验证结果和预防措施。

已整理的第一条记录:

内容与验证原则

  • 区分“了解原理”“完成实现”“仿真验证”和“真机验证”,不将计划写成成果。
  • 重要结论尽量附论文、官方文档、源码或实验依据。
  • 实验数据必须来自实际运行,不编造指标或结果。
  • 记录关键依赖、配置、代码 Commit 和复现步骤。
  • 优先沉淀能够解决实际问题、能够复用的工程经验。

安全说明

本仓库为公开仓库,网站内容也可被公开访问。提交前请检查文档、日志、截图和配置文件,避免包含密码、API Key、Access Token、Cookie、代理订阅链接、个人隐私以及企业内部或保密资料。


Keep learning. Keep building. Keep verifying.

About

人工智能知识库记录

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors