機器人學習專題
為每個人提供更快、更靈活、可擴展的機器人學習方案。我們致力於在開源平台上覆蓋各種機器人學習場景，以加速行業的機器人應用。
我們期待利用本地和全球資源，與你一起加速下一代機器人解決方案的發展。
由 SO-ARM101 機械臂驅動
數據採集專題
| 數據採集策略 | 數據增強技巧 | 數據品質評估 |
|---|---|---|
 |  |  |
| 各種數據採集策略詳解，包括單臂演示、雙臂協作、遙操作等 | 數據增強技術，提高模型泛化能力，包括視角變換、顏色抖動等 | 如何評估數據品質，識別低質量數據，清洗和優化數據集 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
模型訓練專題
| ACT 算法詳解 | Diffusion Policy | Pi0 與 Pi0.5 |
|---|---|---|
 |  |  |
| ACT (Action Chunking with Transformer) 算法深度解析，源碼閱讀與調優指南 | Diffusion Policy 算法詳解，生成式機器人控制方法 | Pi0、Pi0fast、Pi0.5 系列算法對比與應用場景 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
| 超參數調優指南 | 訓練流程詳解 | 常見問題與解決方案 |
|---|---|---|
 | |  |
| 學習率、Batch Size、訓練步數等超參數的調優經驗分享 | 從數據準備到模型導出的完整訓練流程詳解 | 訓練失敗、不收斂、過擬合等常見問題排查 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
部署優化專題
| TensorRT 加速 | 模型量化 | 邊緣設備部署 |
|---|---|---|
| |  |
| 使用 TensorRT 優化模型推理速度，降低延遲 | INT8/FP16 量化技術，在保持精度的同時減小模型體積 | 在 Jetson、樹莓派等邊緣設備上部署機器人學習模型 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
性能評估專題
| 評估指標詳解 | 成功率分析 | 消融實驗設計 |
|---|---|---|
| | |
| 機器人學習常用評估指標：成功率、完成時間、路徑效率等 | 如何分析模型成功率，識別失敗模式，改進訓練數據 | 科學的消融實驗設計，驗證各個組件的貢獻 |
| 📚 了解更多 | 📚 了解更多 | 📚 了解更多 |
✨ 貢獻者計劃
- 鉅犀科技貢獻者計劃是一個協作計劃，旨在團結我們社區的朋友們，與我們共同構建創新解決方案。
- 我們非常期待您的貢獻：
技術支援與產品討論
感謝您選擇我們的產品！我們在這裡為您提供不同的支持，以確保您使用我們產品的體驗盡可能順暢。
- 📧 郵箱：support@juxitech.com
- 💬 GitHub Issues：問題回饋