| name | embodied-intel-updater |
| description | 具身智能知识库增量更新工具。针对 GitHub 仓库 DemonDamon/embodied-intelligence-nexus 执行学术界与工业界最新进展的全局扫描、深度调研与文档落盘。Use when user requests to update, catch up, or refresh the embodied intelligence knowledge base with recent developments in robotics, VLA/VLM, manipulation, reinforcement learning, or related fields. |
Embodied Intelligence Nexus Updater
快速将 DemonDamon/embodied-intelligence-nexus 仓库的课程知识库更新至最新状态。
目标仓库信息
目录结构约定
course/
├── 01-robot-grasping-intro/ # 第一章：机器人抓取与操作介绍
├── 02-classical-control/ # 第二章：经典规划控制方法
├── 03-robot-vision/ # 第三章：机器人视觉方法
├── 04-deep-learning-grasping/ # 第四章：基于深度学习的抓取
├── 05-imitation-learning/ # 第五章：模仿学习
├── 06-reinforcement-learning/ # 第六章：强化学习方法
├── 07-vla-vlm-models/ # 第七章：具身智能：VLA与VLM模型
└── 08-engineering-experience/ # 第八章：工程经验和总结展望
执行工作流
Phase 1: 环境准备
- 克隆或拉取最新仓库：
cd /home/ubuntu && rm -rf embodied-intelligence-nexus
gh repo clone DemonDamon/embodied-intelligence-nexus
cd embodied-intelligence-nexus
git config user.name "Damon Li"
git config user.email "DemonDamon@users.noreply.github.com"
- 确认上次更新时间：查看
README.md 中的"更新日期"字段或 git log --oneline -5。
- 确定本次扫描的时间窗口：从上次更新日期到今天。
Phase 2: 全局扫描
对以下维度进行搜索（使用 search 工具，time 设为 past_month 或按需调整）：
学术界扫描关键词
| 领域 | 搜索关键词示例 |
|---|
| VLA/VLM 模型 | VLA model {year}, vision language action latest, embodied foundation model |
| 世界模型 | world model robotics, world action model, video generation robot |
| 操作与抓取 | robot manipulation ICRA, dexterous grasping latest, 6DoF grasp learning |
| 模仿学习 | imitation learning robot {year}, behavior cloning diffusion |
| 强化学习 | reinforcement learning robotics, sim-to-real transfer {year} |
| 具身导航 | embodied navigation, mobile manipulation |
工业界扫描关键词
| 领域 | 搜索关键词示例 |
|---|
| 开源框架 | LeRobot update, Isaac GR00T, open source robot framework |
| 机器人公司 | humanoid robot company {year}, Figure AI, 1X Technologies, Unitree |
| 大模型厂商 | Google robotics, NVIDIA embodied AI, OpenAI robotics |
| 数据集/Benchmark | robot learning dataset, embodied AI benchmark, Open X-Embodiment |
扫描输出
将扫描结果整理为临时笔记文件 research_scan_notes.md，包含：
- 发现的重要进展列表（标题、来源、日期、一句话摘要）
- 按相关章节分类标注
Phase 3: 深度调研与内容撰写
对 Phase 2 中筛选出的重要进展，逐一深度调研并撰写文档。
文档命名规则
- 新增文件命名：
{章节号}.{序号}-{英文短名}-{年份}-updates.md
- 示例：
7.10-world-models-2026-q3-updates.md
- 序号接续该章节现有最大编号
文档结构模板
# [知识点/进展标题]
> 作者：Damon Li | 更新日期：YYYY年M月D日
## 1. 概述
[背景与动机，解决什么问题，为什么重要]
## 2. 核心技术/方法
[技术细节，架构设计，关键创新点]
[数学公式使用 LaTeX: $...$ 行内, $$...$$ 块级]
## 3. 关键成果与对比
[性能指标、与前作对比、实验结果]
## 4. 代码与资源
[开源代码链接、HuggingFace模型、数据集地址]
[如有必要提供简短代码示例]
## 5. 影响与展望
[对领域的影响，未来方向]
## 6. 参考资料
- [论文/博客/官方链接，带完整URL]
内容质量要求
- 每篇 1000-3000 字
- 中文撰写，专业术语保留英文
- 引用需注明来源URL
- 图表优先使用 Mermaid 语法内嵌
- 代码示例优先 Python
Phase 4: 整合与导航更新
- 更新各章节
README.md，添加新文件的链接
- 更新根目录
README.md：
- 课程导航表中添加新内容链接
- 更新"更新日期"字段为当天日期
- 删除临时文件
research_scan_notes.md
Phase 5: 提交与推送
cd /home/ubuntu/embodied-intelligence-nexus
git add .
git commit -m "feat: add YYYY-MM embodied AI updates - [简要描述]"
gh auth setup-git
git push origin main
注意事项
- 不要修改已有文档的内容，只新增文件
- 如果某个方向进展特别多（>5个重要成果），考虑创建子目录
- 推送前确认
gh auth status 已登录，否则需通过浏览器 device flow 认证
- 每次更新完成后，向用户报告：新增文件数、覆盖的关键进展摘要、待后续关注的方向
