BEIJING SHUIMU SILICON VALLEY TECHNOLOGY CO., LTD. · EMBODIED AI EDUCATION MON–SUN 09:00–21:00 · 13269915901
水木硅谷SHUIMU SILICON VALLEY
首页 / 在线课堂 / 全尺寸人形机器人全栈实训
全尺寸人形机器人全栈实训
高级48 课时旗舰全栈
SMG-014 Transformer·全尺寸人形机器人Transformer 全尺寸人形机器人
SMG-012 OpenArm·双臂遥操作机器人双臂遥操作 + 力反馈
SMG-009 GenkiArm·桌面机械臂GenkiArm 桌面机械臂
OC-012 · 在线课程 · 高级

全尺寸人形机器人全栈实训

感知-决策-运动-具身学习全栈，科研与赛事方向

▸ 人形机器人▸ 全栈▸ 科研赛事
¥2,999¥3,999付款后自动开通学习权限，课程永久有效；支持对公结算
  • 适合人群有扎实机器人基础的科研人员与高年级学生
  • 配套套件Transformer 全尺寸人形机器人 SMG-014（选配）
  • 核心内容全身运动控制 / 多模态感知 / VLM 决策 / 灵巧操作
  • 学完产出语言驱动的人形机器人任务 + 可延续的研究计划
  • 学习周期建议 10–12 周
  • 前置要求ROS2 + Python 熟练；建议先学 oc-005 / oc-010
Overview

课程介绍

这门课不是「用一次人形机器人做演示」，而是把全尺寸人形平台当作研究对象，走完一次完整的具身智能工程流程。四个层次——运动控制、多模态感知、大模型决策、灵巧操作——会在课程中逐层展开并最终汇合。

运动控制层，我们讲全身控制（WBC）为什么必需：手在动的时候重心在变，走路时手臂摆动又影响姿态，如果分成独立模块控制必然互相打架。课程会让你在仿真中观察「模块化控制」与「全身控制」在同一任务上的差异。

感知与决策层，接入多目视觉与视觉语言模型：让机器人理解「把桌上的红色杯子递给我」这类指令，并把语言解析为「定位目标—走向目标—完成操作」的步骤。这里强调的是系统集成与鲁棒性，而不是模型训练。

操作层聚焦灵巧手与抓取：不同形状物体的稳定抓取、手内调整与旋拧动作。这部分对精度与力控要求最高，也是最容易暴露系统短板的地方。课程要求统计成功率并做失败归因，最终形成一份可延续的研究计划。

人形机器人全栈科研赛事
Highlights

课程亮点

🧍

全尺寸平台实操

接近成年人身高与自由度分布的整机，动作空间贴近真实作业场景。

🧠

全栈链路打通

感知—决策—运动—操作四层协同，理解系统集成的真正难点。

🗣️

语言驱动任务

VLM 理解开放式指令，完成任务分解与执行。

🤖

全身运动控制

对比模块化控制与全身控制的差异，理解 WBC 的必要性。

🖐️

灵巧操作训练

抓取、手内调整与旋拧，统计成功率并分析滑落原因。

📄

研究计划产出

项目文档、实验数据与可延续的研究方向，适合课题申报与论文起步。

Curriculum

课程大纲

按章节递进，每章都有明确的知识点与实操产出；可随时回看、按自己的节奏学习。

章节内容要点课时实操产出
第 1 章 · 平台与安全整机结构、自由度分布与算力架构；ROS2 接口与仿真环境；急停与安全运行规程6 课时掌握平台开发与安全操作
第 2 章 · 多模态感知多目视觉与深度信息；目标检测与三维定位；传感器时间同步8 课时实现稳定的目标定位与跟踪
第 3 章 · 决策与任务规划VLM 接入与语义理解；任务分解与动作序列生成；异常与澄清式交互10 课时实现语言指令驱动的任务规划
第 4 章 · 全身运动控制平衡与步态；全身控制框架；复杂地形行走与姿态调整10 课时完成复杂地形的稳定行走
第 5 章 · 灵巧操作抓取策略与力控；手内操作；旋拧类精细任务10 课时完成精细操作任务
第 6 章 · 系统集成与课题设计多模块串联与兜底；成功率统计与失败归因；研究计划撰写4 课时提交完整项目材料与研究计划
Hands-on

实战项目

每个项目都有明确目标、可执行步骤与交付产出，学完即可写进简历或课题报告。

PROJECT 01

项目一 · 语言指令驱动的任务执行

任务目标：用一句话让机器人完成「把桌上的红色杯子递给我」这类任务。

  1. 接入视觉语言模型，测试其对场景的描述能力
  2. 设计指令解析模板：拆解为「定位目标—规划路径—执行操作」
  3. 实现目标定位（视觉 + 深度）并输出接近位姿
  4. 串联运动与操作：走过去 → 伸手 → 抓取 → 转身 → 递出
  5. 统计 20 次任务成功率，分析失败集中在感知还是运动环节

交付产出：产出：可交互的语言驱动机器人演示 + 失败归因分析

PROJECT 02

项目二 · 复杂地形全身行走

任务目标：让机器人在斜坡与台阶环境中稳定行走。

  1. 标定 IMU 与关节编码器，建立全身控制模型
  2. 在平地调整步态参数（步长、步频、抬腿高度）
  3. 在斜坡上测试重心补偿，记录可稳定行走的最大坡度
  4. 在台阶场景测试上下台阶的足端轨迹与躯干姿态
  5. 对比模块化控制与全身控制在斜坡上的稳定性差异

交付产出：产出：复杂地形控制参数包 + 对比实验结论

PROJECT 03

项目三 · 灵巧手精细操作

任务目标：用灵巧手完成「拿起瓶盖并旋开」这类精细任务。

  1. 标定灵巧手各指的力控与位置控制精度
  2. 实现不同形状物体的稳定抓取策略
  3. 实现手内调整：抓起后转动到合适姿态
  4. 完成旋拧动作：施加旋转力矩同时保持抓握
  5. 统计成功率，分析滑落与打滑的主要原因

交付产出：产出：灵巧操作演示 + 抓取/操作成功率数据

Teaching Approach

教学设计说明

把「为什么这样教」讲清楚——这些设计决定来自多年的教学与工程实践反馈。

为什么必须讲全身控制

人形机器人手在动时重心在变，走路时手臂摆动又影响姿态。若把「行走」与「抓取」分成两个独立模块，两者会互相干扰。全身控制把整个人体作为一个整体求解，这是人形机器人比四足更实用、也比轮式更复杂的关键原因。

为什么决策层慎讲「训练模型」

绝大多数课题并不需要训练基础模型，而需要把模型正确接进系统：知道它的能力边界、出错时如何兜底、如何与传统感知配合。课程把重点放在集成与鲁棒性上，见效更快。

为什么要求做失败归因

演示只需要成功一次，可用需要每次都成。中间的差距就是鲁棒性工程：光照、物体位置、地面摩擦、传感器噪声。课程强制统计成功率并归因，是为了让学员看清自己系统真正的短板在哪里。

为什么要输出研究计划

高阶项目的价值不只在于「跑通」，而在于「能不能继续做下去」。课程要求写出可延续的研究计划（问题、方法、评估指标、下一步），这对课题申报与论文起步都至关重要。

Who Is It For

适合人群

✓ 适合这些人

  • 有扎实机器人基础的研究生与科研人员
  • 高校实验室需要人形机器人方向的课题与实验材料
  • 企业研发团队需要验证人形机器人应用方案
  • 准备参加高水平人形机器人赛事的团队

— 可能不适合

  • 机器人基础薄弱（建议先完成 oc-005、oc-010 等进阶课）
  • 期望短期速成、不做系统实验的学习者
Plans & Pricing

版本与价格

版本 / 方案适合对象包含内容价格
纯课程版已有全尺寸人形平台48 课时录播 + 代码与实验包 + 项目陪跑¥2,999
课程 + 平台版需要完整平台纯课程版全部内容 + Transformer 全尺寸人形机器人 SMG-014按配置报价
课题陪跑版科研团队 / 实验室课程内容 + 课题设计、基线搭建与结果整理陪跑请联系顾问

* 在线课程付款后自动开通学习权限，课程永久有效。7 天无理由退款：购买 7 天内且观看进度低于 20% 可全额退款。支持对公结算与发票。

Instructors

授课讲师

苏晚晴
具身智能方向讲师

主讲全栈具身智能、VLM 集成与灵巧操作；有具身数据与策略部署经验。

主讲全部 48 课时，负责研究计划指导。

陈昊
无人机 / 感知方向讲师

主讲多模态感知与定位部分。

参与第 2 章教学。

赵工
工程实践讲师

负责实机调试规范与安全操作。

参与第 1、4 章实验指导。

Equipment

配套套件

Service

学习方式与服务保障

  • 永久回看：视频与资料永久有效，含工具链更新说明
  • 代码与实验包：感知、规划、控制与操作模块的完整代码
  • 项目陪跑：研究计划与实验设计可获讲师反馈
  • 直播答疑：每周一次，覆盖系统集成与实机调试问题
  • 社群陪跑：学员社群 + 具身智能方向工程师答疑
  • 7 天无理由退款：购买 7 天内且观看进度低于 20% 可全额退款
FAQ

常见问题

必须有人形机器人平台吗？
运动控制与操作章节需要实机才能获得完整体验；感知与决策部分可用仿真与小平台部分替代。若暂无平台，可先学习结构与算法，后续上机。
有安全风险吗？
全尺寸人形力量较大，必须遵循安全规程：受控场地、急停可用、人员保持距离。课程第 1 章专门讲安全运行规范，并要求首次运行在专业人员在场情况下进行。
需要什么前置基础？
建议 ROS2 与 Python 熟练，并完成过至少一门具身智能相关进阶课程（如 oc-005、oc-010 或 oc-007）。
课程会教训练大模型吗？
不会。课程使用现成 VLM 并聚焦集成与评估；具身数据与策略训练在 oc-010 中展开。
能用于论文吗？
可以。课程要求输出实验数据、失败归因与研究计划，这些正是论文起步所需的基础材料。
学完能做什么？
能独立完成语言驱动的人形机器人任务链，并具备系统集成、性能评估与课题设计能力。
支持哪些定制？
算子平台、末端执行器、算力与传感器可按课题需求定制；具体配置与报价请咨询顾问。
可以开发票吗？
支持对公结算与增值税发票；机构采购可提供合同与验收流程。
Related

相关课程

大模型 × 具身智能应用开发
OC-005

大模型 × 具身智能应用开发

VLM 视觉语言模型驱动机械臂与移动机器人

查看详情 →
OpenArm 双臂遥操作与具身数据采集
OC-010

OpenArm 双臂遥操作与具身数据采集

主从映射、力反馈与模仿学习，构建具身数据管线

查看详情 →
四足机器狗步态与巡检开发
OC-011

四足机器狗步态与巡检开发

从静态步态到动态步态，多地形巡检项目实战

查看详情 →
Benchmark

对标参考

以下为公开资料对标的同类产品参数与参考价，用于选型参照。

对标产品 / 型号厂商 / 生态关键参数参考价
宇树 G1 生态宇树科技全尺寸人形 · VLM 集成 · 灵巧操作约 ¥8.5 万起
全身控制（WBC）机器人学感知—决策—运动—操作全栈理论方法

课程对标全尺寸人形（宇树 G1）的技术栈，聚焦系统集成、鲁棒性与性能评估。

先试看，再决定

免费试看片段先体验讲解风格；想系统学习可看线下课程，或咨询顾问获取学习路径建议。

浏览全部在线课程→ 看线下系统班
📞 免费试听