模拟环境测试

Vulp 是一个用于实时运动控制的 Python 库，提供标准的动作-观察循环，旨在控制各种执行器和模拟器，具备易于集成和扩展的特性。

MuJoCo Playground是一个开源库，提供GPU加速的机器人学习环境，支持模拟到现实的转换，适用于多种控制任务和环境。它包括经典的控制环境，并支持四足和两足动物的行走模拟，以及非抓握和机械手的操作，此外还提供基于视觉的支持。

kr_autonomous_flight是一个为空中机器人设计的自主飞行系统，具备实时环境感知、避障、高精度定位与导航等功能，能够与多种传感器集成，提供用户友好的操作界面和控制系统。

Humanoid Control是一个双足机器人行走控制库，采用非线性模型预测控制（NMPC）和全体重力学（WBC）技术，结合MuJoCo仿真平台进行高效的仿真测试，旨在实现精确的机器人运动控制。

这台通过DeepMind深度强化学习训练的机器人只有20个驱动关节。而人类步行需要对大约360个关节600块肌肉进行实时控制。

一种将人类语言转化为机器人技能合成奖励的方法，通过理解任务描述来训练机器人执行相应的技能。

Gorilla是一个基于LLaMA的模型，专为API调用而微调，性能超过GPT-4，由伯克利大学出品。它支持多种服务的对接，适用于机械臂和机器人控制，具备强大的调用能力。

FASTLAB 自主导航无人机硬件，专为250mm无人机设计，具备先进的飞行控制系统和模块化设计，适用于多种应用场景，推动无人机技术的发展与创新。

高效的机器人仿真项目，能够在复杂高保真环境中进行模拟，帮助机器人更好地学习和执行任务。

SPIN是一个先进的机器人系统，能够在复杂环境中进行实时感知、交互和导航。它结合了多种技术，如动态避障、物体识别和主动视觉，允许机器人在无需预先创建环境地图的情况下高效地移动和操作。

Optimal Flow Matching项目旨在通过单步学习算法，实现高效的轨迹预测和实时运动规划。该项目利用最优流匹配算法，能够快速生成直线路径，适用于各种动态环境中的运动任务。