机器人学习专题
为每个人提供更快、更灵活、可扩展的机器人学习方案。我们致力于在开源平台上覆盖各种机器人学习场景，以加速行业的机器人应用。
我们期待利用本地和全球资源，与你一起加速下一代机器人解决方案的发展。
由 SO-ARM101 机械臂驱动
数据采集专题
| 数据采集策略 | 数据增强技巧 | 数据质量评估 |
|---|---|---|
 |  |  |
| 多种数据采集策略详解，包括单臂演示、双臂协作、遥操作等 | 数据增强技术，提高模型泛化能力，包括视角变换、颜色抖动等 | 如何评估数据质量，识别低质量数据，清洗和优化数据集 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
模型训练专题
| ACT 算法详解 | Diffusion Policy | Pi0 与 Pi0.5 |
|---|---|---|
 |  |  |
| ACT (Action Chunking with Transformer) 算法深度解析，源码阅读与调优指南 | Diffusion Policy 算法详解，生成式机器人控制方法 | Pi0、Pi0fast、Pi0.5 系列算法对比与应用场景 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
| 超参数调优指南 | 训练流程详解 | 常见问题与解决方案 |
|---|---|---|
 | |  |
| 学习率、Batch Size、训练步数等超参数的调优经验分享 | 从数据准备到模型导出的完整训练流程详解 | 训练失败、不收敛、过拟合等常见问题排查 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
部署优化专题
| TensorRT 加速 | 模型量化 | 边缘设备部署 |
|---|---|---|
| |  |
| 使用 TensorRT 优化模型推理速度，降低延迟 | INT8/FP16 量化技术，在保持精度的同时减小模型体积 | 在 Jetson、树莓派等边缘设备上部署机器人学习模型 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
性能评估专题
| 评估指标详解 | 成功率分析 | 消融实验设计 |
|---|---|---|
| | |
| 机器人学习常用评估指标：成功率、完成时间、路径效率等 | 如何分析模型成功率，识别失败模式，改进训练数据 | 科学的消融实验设计，验证各个组件的贡献 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
✨ 贡献者计划
钜犀科技贡献者计划是一个协作计划，旨在团结我们社区的朋友们，与我们共同构建创新解决方案。
我们非常期待您的贡献：
技术支持与产品讨论
感谢您选择我们的产品！我们在这里为您提供不同的支持，以确保您使用我们产品的体验尽可能顺畅。
- 📧 邮箱：support@juxitech.com
- 💬 GitHub Issues：问题反馈