ROS-LLM项目打造了一个使用大语言模型（如GPT-4和ChatGPT）的ROS框架，用于机器人决策和控制。框架易于扩展和集成，只需简单API配置，十分钟内即可完成机器人与ROS-LLM的结合，快速创建互动与控制体验。支持ROS系统，并拥有本地和云端自然语音交互、历史记录保存功能。未来计划增加导航接口和传感器输入接口，以提升机器人导航与环境感知能力。

StanfordQuadruped项目宣布停止支持Pupper v1，转而开发Pupper v3。新版本将采用400W无刷电机、树莓派5和深度摄像头，并集成强化学习运动策略。该项目此前开发的四足机器人能够奔跑、行走和跳跃，引起广泛关注。尽管停止对旧版支持，项目团队表示Pupper v3将继续保持开源，并计划在未来数月内发布详细构建指南。新版本预计材料成本约1000美元，为爱好者和开发者提供了可负担的高性能四足机器人平台。

这是一个开源工具包,用于训练和部署四足机器人Go1的自主行走控制器。工具包基于Isaac Gym模拟器进行强化学习训练,支持多样性行为(MoB)方法以提高控制器泛化能力,并提供将训练策略部署到实体机器人的功能。包含完整的训练、评估和部署流程,以及详细的使用指南。

这个开源项目提供了一种低成本机器人手臂方案，总成本约250美元。采用Dynamixel XL430和XL330伺服电机，结构轻巧高效。项目还包含一个领导臂设计，可实现远程控制。系统适用于机器人学习和衣物折叠等应用。项目提供完整材料清单、组装指南和模拟环境，方便DIY爱好者和研究人员构建测试这一高性价比机器人系统。

该项目实现了Apple Vision Pro远程操控Unitree H1_2人形机器人的功能。通过逆运动学和图像传输技术，实现了双手和双臂的精确控制。项目提供了详细的环境配置指南，涵盖Isaac Gym模拟环境和本地流媒体设置。代码基于TeleVision框架，针对Unitree机器人进行了优化。这一解决方案为人形机器人远程操作开辟了新途径，具有广阔的应用前景。

Q-transformer项目是Google Deepmind提出的可扩展离线强化学习方法的开源实现。该项目通过自回归Q函数优化多动作选择，支持单一和多动作学习，并提供深度对偶架构和n步Q学习。它包含环境交互、数据集创建和学习流程，适用于复杂机器人控制任务。Q-transformer的创新性和灵活性为强化学习研究和应用提供了重要工具。

Diffusion Policy是一种基于扩散模型的机器人控制算法，旨在高效执行复杂任务。该项目提供实验日志、预训练检查点和完整代码库，支持模拟环境和真实机器人的训练与评估。其代码结构便于添加新任务和方法，同时保持灵活性。研究人员可复现实验结果，并将算法应用于多种机器人控制场景。

Bi-DexHands是基于Isaac Gym的双手灵巧操作任务集和强化学习算法框架。它提供高效模拟环境,支持多种强化学习方法,包含丰富双手操作任务。单GPU可达40,000+FPS,为研究手部灵巧性和双手协调提供工具。

Eureka是一种基于大型语言模型的人类级奖励设计算法，利用GPT-4等先进LLM进行奖励代码的进化优化。在29个开源强化学习环境中，Eureka在83%的任务上超越人类专家，平均提升52%。该算法还实现了无梯度人类反馈强化学习方法，并首次展示了能以人类速度旋转笔的五指Shadow Hand仿真。

'safe-control-gym'是一个开源的基于物理的仿真平台，为学习控制和强化学习研究提供CartPole和Quadrotor环境。该平台支持符号化先验动力学，实现多种扰动和约束条件，集成了多种控制器和安全过滤器。研究人员可利用此平台测试控制方法的鲁棒性和泛化能力，探索安全学习和控制领域的创新。