点击下方卡片，关注【Xbotics具身智能实验室】公众号
你想要的这里都有~~
Xbotics 社区 Physical AI 线上训练营·现在招募
这次训练营的目标很明确：带一群人把 AMD AI DevMaster Hackathon 的 Physical AI 赛道吃透，顺手把奖金分了。全程直播带练，不让你一个人瞎琢磨。
主办方是 Xbotics 社区，面向所有想动手的人——开发者、研究生、在校生、AI 从业者、开源贡献者，不限背景。训练营聚焦的是大赛三大方向里的 Physical AI，也就是机器人与具身智能。
另外两个方向也提一嘴：Multimodal AI（多模态）和 Agentic AI（智能体），但训练营的火力主要集中在你能让机器人在物理世界里干点啥。
奖金方面，总池子 30,000 美元，Physical AI 赛道单独切出来：
一等奖：5,000 美元 二等奖：3,500 美元 三等奖：1,500 美元
通过训练营报名参赛，AMD Radeon GPU 的开发资源直接给你用。训练模型、加速仿真、GPU 渲染、本地推理、性能调优、跑 Benchmark、最后做项目演示——这些环节都能用上。
报名开始：2026 年 7 月 10 日 00:00 作品提交开放：2026 年 7 月 15 日 00:00 最终截止：2026 年 8 月 6 日 23:59
训练营的直播会覆盖整个比赛周期，该交什么、该做什么，到时候都会提醒。
另外，Physical AI 不等于人形机器人。只要你的项目涉及智能系统对物理世界的感知、决策、控制或者仿真，都算这个赛道。切入点很多，别把自己框死了。
训练营会围绕五个方向带你动手：
方向一：机器人操作
机械臂、双臂系统、灵巧手、人形机器人——围绕这些硬件设计操作任务。比如抓取放置、多品类分拣、在杂乱环境里捡东西、操作柔性物体、开抽屉柜门、插孔装配、双臂协同搬运、手内操作，还有失败检测和自动重试。
架构上你可以走传统路线：感知-规划-控制；也可以直接上端到端，像 ACT、Diffusion Policy、VLA 这些。
方向二：VLA 与具身大模型
视觉、语言、动作，怎么统一建模？比如听懂自然语言指令去操作、多视角图像预测动作序列、微调 SmolVLA 和 OpenVLA、设计统一动作接口、对比 ACT 和 Diffusion Policy 的效果、做闭环纠错。
能在 AMD Radeon GPU 上跑起来、延迟可测、效果可量化的小型 VLA 系统，本身就是很有竞争力的作品。
方向三：机器人合成数据生成
数据不够，是机器人学习的老大难问题。你可以围绕 Synthetic Data Generation 做项目：用逆运动学自动生成专家轨迹、批量造演示数据、随机化场景和光照、把仿真数据转成 LeRobotDataset、搭一个多任务数据生成平台、评估 Sim-to-Real 的 gap。
方向四：机器人仿真与强化学习
用 Genesis、MuJoCo 这些平台，做人形机器人行走、四足控制、灵巧手操作、多机协作、GPU 并行仿真，还有训练性能和显存的优化。用成功率、推理延迟、仿真吞吐量这些指标把系统能力说清楚。
方向五：自主导航与自动驾驶仿真
室内移动机器人导航、视觉导航、语言指令导航、自动驾驶场景仿真、多传感器融合、路径规划与动态避障、多智能体交通仿真——这些都在范围内。
一个完整的案例，直播里会拆开讲
为了让你理解一个标准的 Physical AI 项目长什么样，训练营会直播拆解一个端到端的机器人合成数据工作流。环境是 AMD Radeon GPU + ROCm，工具用 Genesis 和 LeRobot，整条管线如下：
Genesis 仿真场景 → 自动生成机器人操作数据 → LeRobot 数据集 → SmolVLA 微调 → 仿真闭环评估
全流程大概 30 分钟能跑通，直播里一步一步讲。
第一步：搭一个机器人厨房场景
用 Franka Panda 机械臂，在三维厨房里抓红色方块。场景里有机械臂、红色立方体、厨房模型、俯视相机、腕部相机，物理引擎用 Genesis。任务流程：回初始位姿 → 移到物体上方 → 下降接近 → 夹爪闭合 → 抓取 → 抬升。
第二步：自动生成 100 个操作回合
靠逆运动学规划出专家轨迹。每个 Episode 随机换方块位置，自动生成抓取动作，最后大概产出 13,500 帧数据，包括关节状态、动作指令、双视角图像、语言描述，存成 LeRobot 格式。在 AMD Radeon PRO W7900D 上，这一步大约 15 分钟。
第三步：微调 SmolVLA
SmolVLA 的输入是视觉图像、机器人状态、自然语言指令；输出是未来动作序列。结构上有 SigLIP 视觉编码器、SmolLM2 语言模型、Action Expert 动作专家网络。示例里冻结视觉编码器，只训练动作专家和状态投影模块。100 个 Episode 训 4,000 步，大概 7 到 11 分钟。
第四步：闭环仿真评估
训完以后，模型重新进 Genesis 场景做闭环测试。每个控制周期渲染图像、读状态、调模型推理、执行动作。跑 20 个随机场景统计成功率，同时生成评估视频。
这就是一个标准参赛项目的骨架：有任务定义、有数据、有模型、有推理、有指标、有视频、有代码。训练营会顺着这条主线，手把手带你复现。
现在就可以开始，不需要等
Physical AI 正在成为 AI 和机器人交叉领域最硬的方向之一。但想真正进去，光看论文和收藏 GitHub 仓库是不够的。
你得亲自走一遍完整流程：搭环境、定任务、生成数据、训练策略、让模型在闭环里动起来、分析为什么成功为什么失败、最后把代码开源、把视频放出来。
Xbotics 社区能提供的是：多次直播授课和项目指导、清晰的备赛时间线、AMD Radeon GPU 开发资源、全球化的展示平台和赛事奖金。
你不需要先成为机器人专家，也不需要一上来就做人形机器人那种最复杂的系统。
挑一个具体问题，在训练营里把它做完整、做扎实、跑出指标、做成开源项目。这可能是你第一次真正跑通从仿真、数据、模型到机器人动作的闭环，也很可能成为你进入具身智能行业的一块敲门砖。
先进群，别光收藏
文章看到这儿，先别急着关掉。上面写的所有资源——直播链接、GPU 申请指引、LeRobot 配置脚本、代码仓库——都在群里发。不在群里，错过一次直播通知，节奏就乱了。
当然你也可以加一下小助手微信，备注「Physical AI」，他会拉你进训练营群，顺便解答您的疑惑！
xbotics带你实战到底，冲一把 AMD AI DevMaster Hackathon！
-END-
Ask Me Anything｜提问箱
❝对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。
怎么问：在评论区留言，或私信公众号
我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。
提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。
一起把问题变成知识，推动社区进步 🚀
