SELF-PACED WORKSHOP
模型与数据
所有主线实验使用明确命名的固定文件。下载一次，即可在各章节重复使用。
课程模型清单
| 文件 | 用途 |
|---|---|
walk.onnx | 固定行走策略 |
terrain-walk.onnx | 第 4 章固定坡地行走策略，约 0.79 MB |
kick-teacher.onnx | 踢球基础动作 |
kick-residual.onnx | 踢球残差修正 |
kick-checkpoint.pt | 保留的踢球训练检查点 |
detector.pt | 固定视觉检测器 |
detector.onnx | 检测器 ONNX 导出 |
indoor-detector/detector.pt / indoor-detector/detector.onnx | 保留的旧室内检测器，适用于旧 7 cm 球场景 |
scene-detector/detector.pt / scene-detector/detector.onnx | 官网 10 cm 球与四种地面检测器；当前默认 |
official-browser/rollers.onnx | 官方四被动轮策略；14 个舵机动作 |
official-browser/walking.onnx / sitstand.onnx | 官网版本核对与站立试验，未替换完整步行任务的固定策略 |
在课程仓库根目录运行下面的命令，核对固定模型的文件大小与哈希。
python3 scripts/workshop.py verify-models这些文件随 Git 仓库一同提供，不需要 Git LFS 或额外的模型账户。models/manifest.json 记录了文件大小、来源和 SHA-256；实验入口在运行前会核对模型身份，避免误用同名文件。 新检测器的相对路径与 SHA-256 单独记录在 models/scene-detector/deployment.json，原七份文件保持不变。
这里提供的是前五章实验和第六章传统演示所用权重，不包含 GR00T 或 Cosmos 大模型。后续若开始微调，需按对应模型的授权与访问条件单独获取权重，并使用独立环境。
练习数据与自己的输出
datasets/scene-sample/ 是一套小型图像与标签练习集，用于体验检测推理和短训练流程，但不足以证明模型能够泛化到真实环境。自行训练的模型和日志应保存在 outputs/，不要将其复制到 models/ 并覆盖课程文件。
来源与使用条款
机器人几何、社区策略和依赖组件分别保留各自的来源与许可条款，课程代码的许可并不覆盖第三方资产。分发修改版本前，请先查阅仓库中的 来源与许可说明。