产品设计背景：传统机器人与具身智能实验室存在两大核心痛点：软硬件割裂、虚实脱节。日常教学多局限于纯算法仿真，完全缺少硬件实操环节；实体实训过度依赖真机设备，不仅设备损耗大、实操风险高，后期调试效率也极低；同时学科层面算法、机械、电控三大板块相互分离，导致学生无法建立整机系统思维，整体培养模式与工业真实研发流程严重脱节。围绕全链路贯通、虚实协同两大核心，打造一体化教学研发平台。

- 硬件原理可视化，告别黑盒实操：针对电机、驱动、减速器等核心机器人硬件，深度拆解物理闭环、传动逻辑等底层机电原理，全程可视化教学，摒弃单纯设备操作，让学生真正吃透硬件核心逻辑，夯实实操理论根基。

- 工业级数字孪生，原生ROS2适配：搭载标准ROS2架构，配套轻量化无代码3D场景编辑工具，内置高保真机器人动力学模型，采用Sim2Real虚实协同范式，贴合工业研发流程，轻松实现仿真到实机的无缝迁移，适配教学与研发双重场景。

- 算力普惠设计，破除高校算力瓶颈：专为高校普通机房定制，算法层深度架构优化，原生兼容OpenAI Gym接口；依托自研调度算法，摆脱高端RTX显卡依赖，常规CPU即可弹性调度4-32路并发训练环境，支持强化学习训练与即时推理双模式，低成本实现多人同步AI实训。

- 多模态深度融合，直击前沿场景：逼真模拟双目视觉、激光雷达点云、IMU等多传感器数据，覆盖YOLO视觉检测、PPO强化学习抓取、LLM大模型语音交互等核心具身智能场景，直接对接12关节机器狗、6轴机械臂，落地多传感器融合与复杂决策实战项目。

- 阶梯式全栈生态，闭环学练研全流程：搭建梯度化学习研发路径，从底层硬件原理、基础算法语法，到深度学习模型训练、整机系统集成调试，层层递进覆盖零基础到进阶全阶段，打通理论-仿真-实操全链路，形成完整教学研发闭环。

一、基础实验

1. 机器学习

2. 深度学习

3. NLP-循环神经网络

4. CV-NLP-Transformer

5. 机器视觉

6. CV-卷积神经网络

7. 经典神经网络

二、高级应用

1. 大模型工作流编排

2. 基础视觉应用

3. 基础语音应用

三、逻辑与原理性实验

1. 逻辑实验

2. 算法实验

3. Python开发与应用

四、综合项目案例介绍

1. 具身智能-机械臂项目

1) 机械臂组装场景：可以通过从背包拖拽机械臂关节和link零件，实现机械臂结构组装；

2) 相机校准场景：基于双目相机，通过Python获取双目拍摄的3D场景棋盘，通过Python计算场景内双目相机的内参。

3) 人工智能教学平台场景：模拟人工智能教学平台场景，实现机械臂从实验箱中的8个仓位进行抓取；

4) 色块分拣平台：结合场景内双目相机与机械臂实现色块识别与抓取的功能，可以固定位置抓取或者通过机械臂正逆解与手眼标定后抓取并放在对应的色块桶内；

5) 垃圾分拣实训平台：结合场景内双目相机与机械臂模拟实现可回收垃圾、有害垃圾和厨余垃圾的分拣，可以基于双目通过YOLO或者大模型识别图像并定位，通过机械臂正逆解与手眼标定后抓取并放在对应的垃圾桶内；强化学习平台：结合PPO强化学习算法，结合场景的机械臂实现随机点抓取案例。

2. 智能分拣系统综合项目

3. 智能垃圾分类系统综合项目

4. 智慧城市系统项目

5. 智能对话系统项目