高校 / 科研定制课程赛事通道
科研实训营面向的不是「学会使用设备」，而是「提出一个好问题并把它做出来」。因此课程结构与传统教学相反：先明确课题与目标，再倒推需要掌握的工具与方法。
我们提供的科研级载体覆盖当前具身智能研究的主要方向：全尺寸人形机器人（感知—决策—运动全栈）、四足机器狗（复杂地形与巡检）、双臂遥操作（数据采集与模仿学习）、SLAM 自主导航小车（建图定位与动态避障）。学员可以依据课题方向选择载体，也可以多台组合。
在方法层面，实训营强调三件事：一是基线（先复现已有方法，确保有可对比的参照）；二是实验设计（变量控制、消融对比、统计显著性）；三是可复现（数据格式规范、随机种子固定、代码可重跑）。这三件事决定了成果能否被认可——无论是竞赛评审还是论文评审。
赛事方向上，我们会依据目标赛项拆解评分维度（完成度、稳定性、创新点、展示效果），把训练重点对齐到评分点上；科研方向上，可协助梳理研究现状、设计对比实验与整理结果图表。我们不代做项目，但会把「怎么把项目做扎实」讲清楚。
全尺寸人形、四足机器狗、双臂遥操作、SLAM 小车等，对标真实研究平台。
先复现基线、再做对比实验、最终结果可复现，符合科研与评审规范。
遥操作数据采集、模仿学习训练与实机部署，跑通完整数据闭环。
按评分维度（完成度 / 稳定性 / 创新点 / 展示）组织训练重点。
实验数据、对比图表与失败案例分析，可直接用于论文或答辩。
课题设计、基线搭建、结果整理可提供陪跑服务（另议）。
按阶段递进，每一阶段都有明确的能力产出；课时与内容可按需求裁剪。
| 阶段 / 模块 | 内容要点 | 课时 | 完成后可达成 |
|---|---|---|---|
| 第 1 阶段 · 课题定义与基线复现 | 研究现状梳理、课题定义与可行性评估、基线方法复现与结果对齐 | 定制 | 一份课题定义书 + 基线复现结果 |
| 第 2 阶段 · 平台与工具链 | ROS2 开发、仿真环境搭建、数据采集与标注工具、实机调试与安全规范 | 定制 | 能独立在目标平台上跑通一次完整任务 |
| 第 3 阶段 · 核心方法实践 | 按方向选择：模仿学习 / VLM 具身智能 / SLAM / 运动控制；含训练、部署与调参 | 定制 | 完成一次方法级实验并得到初步结果 |
| 第 4 阶段 · 实验设计与对比 | 变量控制、消融实验、统计分析与可视化；失败案例分析 | 定制 | 一份含对比图表与结论的实验报告 |
| 第 5 阶段 · 成果整理与答辩 | 项目文档、演示视频、答辩演练与评审反馈 | 定制 | 可提交的完整项目材料与答辩通过 |
每个项目都有明确目标、可执行步骤与交付产出，学完即可写进简历或课题报告。
任务目标：采集人类示范数据并训练策略，让机械臂学会抓取新物体。
交付产出：产出：可复现的数据集 + 训练策略 + 成功率对比分析（论文级材料）
任务目标：让机器人理解开放词汇指令（如「把左边的杯子给我」）并完成操作。
交付产出：产出：语言驱动机器人系统 + 失败模式分析（可作论文贡献点）
任务目标：在有人走动的环境中完成建图、定位与动态避障，并量化性能。
交付产出：产出：导航性能评测数据 + 改进方案与验证结果
把「为什么这样教」讲清楚——这些设计决定来自多年的教学与用人反馈。
没有基线就无法判断「进步」是否真实。很多项目失败在于：没有对比对象，改进后自己也说不清是方法更好还是运气更好。先复现一个有公认结果的方法，再在此基础上改进，是科研的基本功。
在模仿学习方向，同一个算法配上高质量示范数据（覆盖多样起始位姿、时间戳对齐）往往显著优于用更多但重复的数据。把数据质量作为独立环节训练，是让学生少走弯路的关键。
项目中真正有价值的发现，常出现在失败样本的共性里。课程序列要求对失败样本做分类与统计，并尝试解释原因——这个过程既能显著改进行为，也往往是最能写进论文的部分。
赛事评分看重完成度、稳定性与展示效果，科研评价看重创新性、可复现与对比充分。用赛事的思路做科研会缺少对比实验，用科研的思路做赛事会缺乏稳定性打磨。实训营会根据目标分别设计训练重点。
| 班型 / 方案 | 适合对象 | 内容与时长 | 费用 |
|---|---|---|---|
| 科研集训营（假期） | 高校学生 / 竞赛团队 | 1–4 周集中实训，含平台与工具链 | 按营报价 |
| 学期课程（共建） | 高校院系 | 按学期排课，含考核与项目指导 | 按方案报价 |
| 课题陪跑 | 研究生 / 科研团队 | 课题设计、基线搭建、实验与结果整理陪跑 | 按课题报价 |
| 赛前集训 | 参赛团队 | 赛项适配、稳定性打磨与展示排练 | 按团队报价 |
* 费用含全部教学与教具使用；支持 3 期免息分期。开班前 7 天可无理由退款，开班 7 天内不满意全额退款。
主讲模仿学习与大模型具身应用；有具身数据采集与策略部署项目经验。
主讲 SLAM、传感器融合与自主导航；负责感知方向的课题指导。
负责平台调试、实机安全与工程实现规范。
| 班级 / 方案 | 学制 | 上课方式 | 近期开班 |
|---|---|---|---|
| 寒假科研集训营 | 1–2 周 | 全天集中实训 | 1 月开班 |
| 暑假科研集训营 | 2–4 周 | 全天集中实训 + 课题陪跑 | 7 月开班 |
| 学期共建课程 | 1 学期 | 按院校课表排课 | 按学期规划 |
以下为公开资料对标的同类产品参数与参考价，用于选型参照。
| 对标产品 / 型号 | 厂商 / 生态 | 关键参数 | 参考价 |
|---|---|---|---|
| RoboCup 类赛事 | 国际赛事 | 人形/四足 · 全栈 · 稳定性 | 赛事 |
| 具身智能科研课题 | 学术方向 | 模仿学习 · VLM 具身 · SLAM | 课题 |
科研营对标 RoboCup 类高水平赛事与具身智能科研课题，强调基线、实验与可复现。
