机器人控制
eureka-research.github.io
Eureka是面向强化学习领域的奖励设计算法项目站点，核心定位是依托大语言模型能力实现自动化、高性能的奖励函数生成与优化。核心功能包括基于大语言模型的零样本奖励代码生成、奖励函数的多轮迭代进化优化、强化学习训练效果的适配验证。目标用户覆盖强化学习研究人员、机器人开发工程师、AI算法开发者、高校AI相关专业师生。使用场景包含机器人控制策略训练研发、强化学习环境 reward 设计、复杂技能学习任务的算法验证、学术研究中的对比实验基准搭建等，可帮助用户降低人工设计奖励函数的门槛，提升强化学习训练的效果上限。
rt-trajectory.github.io
RT-Trajectory是专注于机器人轨迹控制与任务泛化的技术项目官网，核心定位是为机器人控制领域提供基于轨迹草图的策略实现方案。平台支持多源轨迹草图生成、机器人任务泛化验证、真实场景效果评估、多模态输入适配等核心功能，同时提供完整的技术文档与开源代码支撑，方便相关从业者快速落地相关方案。该项目面向机器人研发工程师、人工智能研究者、高校自动化专业师生、机器人赛事参与者、工业自动化方案开发者、具身智能创业团队等用户群体，可应用于工业机器人任务调试、服务机器人新功能开发、具身智能算法研究、机器人教学实验、多模态机器人控制方案验证等多个场景，帮助用户降低机器人新任务适配的开发成本，提升不同场景下的任务执行适配性。
spatial-vlm.github.io
SpatialVLM是谷歌DeepMind研发的空间视觉语言模型展示站点，核心定位是呈现可实现定量空间关系理解与推理的多模态模型能力。平台支持空间视觉问答测试、空间推理路径可视化、机器人控制场景效果演示三类核心功能，面向AI研究者、机器人开发工程师、多模态模型学习者、计算机视觉领域从业者，可用于空间推理类模型性能验证、机器人导航逻辑预测试、多模态模型训练方向参考等场景，帮助用户直观了解空间视觉语言模型的技术特点与落地可能性。