embodied-intel-updater

name

embodied-intel-updater

description

高质量具身智能知识库增量更新与深度研究工作流。针对 GitHub 仓库 DemonDamon/embodied-intelligence-nexus，从论文、会议、官方项目页、GitHub、模型/数据集和公司研究发布中筛选、核验并归档最新进展；强制补足理论推导、实验设计、复现资源和证据边界。Use when a user asks to update, catch up, verify, deep-research, or archive recent embodied AI, VLA/VLM, world model, robot manipulation, humanoid, imitation learning, reinforcement learning, simulation, dataset, benchmark, or industrial platform developments.

Embodied Intelligence Nexus Updater

将 DemonDamon/embodied-intelligence-nexus 更新为可追溯、可复核、适合深入学习的具身智能研究库。

目标与固定约定

• 仓库：https://github.com/DemonDamon/embodied-intelligence-nexus
• 课程目录：course/01-* 至 course/08-*
• 研究专题目录：researches/
• 作者：所有新增 Markdown 使用 > 作者：Damon Li | 更新日期：YYYY年M月D日
• Git 身份：Damon Li <[e-mail]>
• 资源优先级：论文、官方项目页、官方代码/模型/数据页优先；媒体和公众号只作线索。

在开始前读取：

1. references/source-registry.md：信源等级、长期入口和发现源。
2. references/theory-and-experiment-rubric.md：推导补全、实验设计和复现审计标准。

非协商质量规则

1. 不得用二手内容证实技术事实。 微信公众号、媒体、知乎、CSDN、榜单和营销页只能用于发现实体；必须回溯至 A/B 级来源。
2. 不得猜测资源链接。 未找到官方 GitHub、权重、数据集、许可证或论文时，明确写“未公开”或“未发现可核验一手来源”。
3. 不得把公司博客写成同行评审结论。 使用“官方披露”“技术报告”“预印本”“同行评审论文”精确标注证据状态。
4. 不得只复述摘要。 每个核心论文/报告都要补足问题设定、符号、目标函数、推导中间步骤、训练/推理流程、实验协议、失败模式和复现条件。
5. 不得直接比较不可比结果。 任务、本体、数据、动作空间、硬件、成功定义、trial 数与安全过滤不同的结果必须分开呈现。
6. 不得将令牌写入仓库、文档、命令输出或提交历史。 仅在当前会话配置认证；推送后清除临时凭据。

工作流

Phase 0：同步、界定与输入登记

1. 安全定位现有工作目录；若已是 Git 仓库则 git pull --ff-only，否则克隆仓库。不要不经检查删除目录。
2. 配置 Git 作者信息并检查 git status、最近提交、根目录与章节 README。
3. 从根 README、章节 README 或 Git 日志确定上次覆盖日期，设定扫描窗口。
4. 把用户提供的 URL、公众号文章、实验室/公司主页、论文或附件登记为临时 research_scan_notes.md，字段至少包括：输入URL、发现时间、主题、实体、建议章节、证据等级、需要回溯的原始来源。
5. 对每一个输入链接保留溯源；不要因页面受限而丢弃线索。页面被限制时，以它的标题/实体做公开检索，再标注“原页未直接访问”。

Phase 1：广度扫描与候选筛选

同时扫描学术与工业界，但分开打分。

方向	检索重点	需要获得的原始材料
VLA / VLM	action representation、action chunking、cross-embodiment、post-training	论文、项目页、代码、模型卡、真实机器人协议
World / Action Model	video-action、latent dynamics、planning、scaling law、multi-agent	论文/技术报告、训练目标、数据与 rollout 评测
操作 / 灵巧手 / 人形	bimanual、whole-body、teleoperation、force/tactile、locomotion-manipulation	本体规格、动作空间、控制频率、真机 trials
IL / RL / Sim-to-Real	behavior cloning、IRL、offline RL、MPC、domain randomization	目标函数、数据 split、仿真参数、迁移协议
数据集 / Benchmark	robot dataset、motion capture、real robot benchmark	数据卡、许可证、下载、评分函数、排行榜版本
工具链	simulator、Isaac、MuJoCo、LeRobot、deployment	官方仓库、文档、版本兼容、许可证
产业	公司模型、硬件、产品、赛事、部署	公司官方技术页/公告、SDK、代码/模型/数据、正式财报或监管文件

对每个候选按如下阈值筛选：

指标	要求
相关性	能映射到既有 8 个课程章节或 researches/ 专题。
新颖性	位于扫描窗口内，或虽较旧但新开源/新基准/新正式版本使其值得补档。
证据强度	至少有一个 A 级来源；仅有 C 级来源的条目仅进入待核验台账。
学习价值	能提供新机制、严谨实验、可复现资源、重要失败模式或长期生态影响。
可操作性	明确提供或明确缺少代码、模型、数据、许可证与硬件要求。

Phase 2：一手来源核验

对入选条目至少核验以下来源组合：

1. 论文型工作：论文原文 + 作者/项目页 + 官方代码或补充材料；若涉及数据/模型，再加数据卡或模型卡。
2. 开源框架：官方仓库 + 文档 + LICENSE + release/commit 活跃度；不要仅引用第三方教程。
3. 数据集/基准：官方项目页 + 数据集卡/下载页 + 论文或任务/评分定义。
4. 工业模型/产品：公司官方技术页面 + 官方新闻稿/文档；若无论文或权重，显式标为“官方披露，未独立复现”。

记录每个结论的来源等级、URL、页面标题、发布日期/版本号和访问日期。对外部链接使用网页读取或浏览器阅读正文，不依据搜索摘要定论。

Phase 3：理论推导与算法重建

对每篇关键论文，按 references/theory-and-experiment-rubric.md 逐项补全。最低交付为：

1. 问题设定与符号表：明确 $o_t,s_t,a_t,\ell,e,\mathcal D$ 等变量、可观测性和训练/部署信息差。
2. 完整目标函数：从条件概率、MLE、ELBO、Bellman、policy gradient、flow matching 或 diffusion 的基本定义推导至论文损失，说明每项的监督信号、权重、梯度和用途。
3. 训练/推理算法：分别描述输入、输出、动作块长度、采样/去噪步数、缓存刷新、控制频率和安全后处理。必要时给出伪代码。
4. 隐含假设与反例：讨论时空同步、相机标定、动作空间、数据覆盖、模型短视界准确性、接触物理或域差等关键假设。
5. 证据边界：若论文未给出关键超参数、推导或证明，写“基于论文公开目标函数的补充推导”，并说明作者没有直接给出什么。

可使用如下通用骨架，但必须替换成具体工作定义：

$$ \theta^*=\arg\min_\theta;\mathbb{E}{(x,y)\sim\mathcal D,t\sim p(t)} \left[\mathcal L{\mathrm{task}}(f_\theta(x,t),y)+\lambda\mathcal L_{\mathrm{reg}}\right]. $$

Phase 4：实验设计与复现审计

每个核心文档必须回答：

• 任务数量与成功判定是什么？是否真机、仿真或混合？
• 数据来源、规模、模态、训练/验证/测试切分和泄漏风险是什么？
• 使用哪个机器人、本体 DoF、传感器、控制频率、动作表示和坐标系？
• 基线是否具备相同数据、预算、硬件、动作空间和安全过滤？
• trial 数、随机种子、均值/标准差/置信区间、失败例和消融研究是否报告？
• 代码、权重、数据、LICENSE、环境版本、训练硬件与成本是否公开？

将结果分为“论文报告”“官方披露”“自行基于公开目标函数的推导”“待核验”。缺失信息不能用推测填补。

Phase 5：文档与归档

1. 优先落在最贴近的课程章节；若同一主题有 3 个以上强关联文档，创建 {YYYY-MM}-{topic}/ 子目录并先写该目录 README.md。
2. 父目录 README 必须新增子目录与文档链接；根目录 README 需更新入口、树结构与更新时间。
3. 文档命名使用 {chapter}.{next-index}-{english-slug}-{year}.md；专题子目录可以使用语义化名称。
4. 每篇技术文档采用以下模板：

# 标题

> 作者：Damon Li | 更新日期：YYYY年M月D日
> 证据状态：同行评审论文 / 预印本 / 官方披露 / 待核验

## 1. 结论与证据等级
## 2. 问题设定、符号与假设
## 3. 方法与完整推导
## 4. 训练和推理算法
## 5. 实验设计、基线与结果
## 6. 失败模式、局限性与复现条件
## 7. 代码、模型、数据与许可证
## 8. 参考资料

5. 事实性陈述使用 Markdown 参考式数字引文。资源表至少列出论文、项目、代码、模型、数据、演示、许可证、硬件/环境、开放状态。
6. 图示优先用 Mermaid 解释数据流、训练闭环、推理闭环或评测协议。仅在有必要时下载/生成图片，并记录来源与相对路径。

Phase 6：质量验收与推送

1. 使用 scripts/validate_research_docs.py 检查新增文档的作者、日期、必要章节、引文定义、资源链接、内部链接及未核验标记。
2. 执行 git diff --check，检查所有父级 README 链接和根目录导航。
3. 从每类资源中抽样检查论文、代码、模型、数据、基准和项目页；HTTP 反爬或登录墙不等于资源失效，应注明已由浏览器/页面验证或访问受限。
4. 临时扫描笔记不得提交。git add 前再次检查不包含令牌、Cookie、.env、下载的受限数据或个人信息。
5. 提交信息明确月份和主题，例如：docs: add verified 2026-08 embodied research updates。
6. 推送前确认认证已有效；使用用户提供令牌时，只在当前会话内通过安全认证配置使用，完成后清除临时环境变量与本地明文凭据。

验收门槛

一次更新只有满足以下条件才算完成：

• 每个核心专题至少有 2 个一手来源；如没有，明确降级为线索台账。
• 每篇核心研究文档含理论/目标函数、实验设计、复现资源和局限性，而不是仅有背景与链接。
• 所有新增文件署名 Damon Li；所有子目录均从父级 README 可达。
• 质量脚本和 git diff --check 通过；未公开资源与未证实量化主张均明确标注。
• 变更已提交并推送，且远端分支状态已确认。

测试模式

触发“测试本 Skill”时，选择至少一篇有公开论文、代码/数据或项目页的真实条目，执行 Phase 1—6 的缩小版流程。测试报告必须展示：候选筛选、原始来源回溯、一个完整目标函数推导、实验审计表、资源开放状态和质量脚本结果。若任一项缺失，先更新本 Skill 或参考标准后重测。