“物理AI实验室 · Physical AI Lab”是一套由浅入深的物理 AI（具身智能）培训系列，每集由视频、互动页面或 Notebook、小测和证据清单组成。它想补上演示视频、融资新闻与零散论文之间缺的那一段：从“看懂”到“能做”再到“会判断”，每一步都能核对。本文介绍这套课为谁而做、怎么安排、现在做到了哪一步。
当前进度
以下课程已完成中英日三语上线。视频和公开导读可直接观看，深入讲解与练习需登录。其余课程仍在制作与审核，规划大纲不代表已上线。
- 物理AI实验室 0.1：什么是物理 AI，从会聊天到会动手 · 观看视频 · 讲义与练习
- 物理AI实验室 0.2：为什么是现在，数据、模型、算力三条曲线 · 观看视频 · 讲义与练习
- 物理AI实验室 0.3：看-想-动，把三个频率放回各自的系统 · 观看视频 · 讲义与练习
- 物理AI实验室 0.4：在虚拟世界练一万遍，给三个仿真数字补上实验条件 · 观看视频 · 讲义与练习
- 物理AI实验室 0.5：人形机器人热潮，把 Tesla 季度报告的一段话拆到演示、样机、量产与上岗 · 观看视频 · 讲义与练习
- 物理AI实验室 0.6：怎么判断一条机器人新闻靠不靠谱，把每一问落回原文那一句 · 观看视频 · 讲义与练习
- 物理AI实验室 1.1：坐标系与运动学，手算一条两连杆手臂怎样够到杯子 · 观看视频 · 讲义与练习
- 物理AI实验室 1.2：PID 与控制频率，手算三项输出，再把频率换成周期 · 观看视频 · 讲义与练习
- 物理AI实验室 1.3：传感器，用一只杯子手算像素、深度量程与夹紧力 · 观看视频 · 讲义与练习
- 物理AI实验室 1.4：仿真器地图，手算步长代价、找出接触分叉点，再给三个提速数字标清基线 · 观看视频 · 讲义与练习
- 物理AI实验室 1.5：数据从哪来，从 SO-101 元数据算出示范时长，再分清三条来路的单位与动作空间 · 观看视频 · 讲义与练习
- 物理AI实验室 1.6：模仿学习，手算误差怎样滚出示范覆盖范围，再把 ACT、扩散策略与数据规模律的数字放回各自条件 · 观看视频 · 讲义与练习
- 物理AI实验室 1.7：强化学习，手算一局回报看奖励怎样被钻空子，再读论文里的地形课程与超时重置 · 观看视频 · 讲义与练习
- 物理AI实验室 1.8：评测，把“净增 2”拆成配对表，再给失败标签和随机种子算一笔账 · 观看视频 · 讲义与练习
- 物理AI实验室 2.1：用 MuJoCo 搭抓取场景，把 XML 里没写的质量、单位、步长和碰撞规则算出来 · 观看视频 · 讲义与练习
为谁而做：五个层级
课程按受众分成五层，越往后越需要动手和专业背景：
| 层级 | 受众 | 学完能做到 | 单集形态（规划） |
|---|---|---|---|
| L0 看懂 | 大众、媒体编辑、投资人 | 讲清物理 AI 是什么，判断一条机器人新闻靠不靠谱 | 3–5 分钟动画短片 + 竖屏切片 |
| L1 上手 | 学生、转行者、产品经理 | 理解看-想-动闭环，在浏览器里亲手调一次参数 | 讲解视频 + 零安装浏览器互动 |
| L2 动手 | 工程师 | 在仿真里训练并评测一个策略 | 实操视频 + Notebook（Colab 或本地 GPU） |
| L3 深入 | 研究者、架构师 | 拆解 VLA、世界模型、RL 后训练，能复现也能质疑结果 | 精讲 + 复现实验 |
| L4 产业 | 决策者、行业媒体 | 看懂供应链、成本、合规时间表，判断落地前景 | 讲解视频 + 一页纸简报 |
工程师可以从 L1 或 L2 起步，但 L0 的六集只有几分钟一集，适合拿来对齐概念，也适合转给非技术背景的同事。
学习路线：首季 36 集（含毕业项目，规划）
以下为课程规划。已上线内容与入口见上方目录，其余内容正在分批制作与审核；课程规划会随学习反馈调整。
L0 看懂（6 集）
- 0.1 什么是物理 AI：从会聊天到会动手
- 0.2 为什么是现在：数据、模型、算力三条曲线
- 0.3 看-想-动：一台机器人的一秒钟
- 0.4 在虚拟世界练一万遍：仿真是什么
- 0.5 人形机器人热潮：演示、样机、量产差在哪
- 0.6 怎么判断一条机器人新闻靠不靠谱
L1 上手（8 集，零安装互动）
坐标系与运动学、PID 与控制频率、传感器（相机、深度、力与触觉）、仿真器地图（MuJoCo、Isaac、Newton、Genesis）、数据从哪来（遥操作、人类视频、合成数据）、模仿学习、强化学习、评测（一个成功率背后藏了什么）。
L2 动手（8 集，Notebook 实操）
用 MuJoCo 从零搭抓取场景；用 LeRobot 和 SO-101 数据训练 ACT；微调 SmolVLA；在 Isaac Lab 里并行训练行走；sim2real 中的域随机化与系统辨识；边缘部署中的量化、延迟与控制频率；控制障碍函数（CBF）安全过滤器；带重复实验和置信区间的可复现评测。
L3 深入（6 集）与 L4 产业（4 集）
L3 讲 VLA 结构拆解、用 Cosmos 做世界模型数据生成、RL 后训练、长程任务与多策略路由、GR00T 微调，以及怎么读论文、复核关键数字。L4 讲执行器与 BOM 成本、安全标准与法规时间表、哪些场景先落地，最后是年度回顾。
L5 毕业项目（4 集，制作中）
- 5.1 立项： 定任务、定协议
- 5.2 数据与基线： 脚本示范、模仿学习
- 5.3 高分模型， 为什么一碰就碎？
- 5.4 压力测试过了， 能上线吗？
每集的形态
一集不只是一个视频，规划中的交付包包括：
- 正片：16:9，提供中英日三语配音与对应字幕；另制作适合移动端观看的 9:16 竖屏内容。
- 互动：L1 起每集配一个零安装的浏览器页面（TypeScript + three.js），或一个可运行的 Notebook。同一个页面既给读者玩，也用脚本驱动录进成片，画面里演示的就是读者能打开的那一页。
- 小测：每集 5 题，附解析。
- 一页纸：要点、带证据等级的关键数字、延伸阅读。
- 证据清单与文字稿：片中每个数字、每条论断的来源链接，以及可转成图文的文字稿。
每集的结构也是固定的：8 秒内的冷开场提问，一句话的承诺，2–4 章“先例子后概念”，三点回顾，下一集的问题。系列吉祥物“知行”（UNIT-01）负责提问和追问。
“每个数字都能核对”是怎么落实的
这是这套课和一般科普视频最大的区别，落实在制作规范里：
- 三级证据：每个数字、每条论断都标等级：
O官方一手，R学术文献（论文、预印本、学术专著），M媒体二手。这与 Physical AI 前沿雷达的分级一致。 - 旁白里说明出处性质：R 级数字要说“论文称”，M 级要说“据报道”，只有 O 级可以直接陈述。
- 数字必有数字卡：画面上出现数字时，同时出现写明等级和出处的数字卡；每条证据带链接和日期，arXiv 论文用 v1 提交日。
- 不用会过期的时间词：旁白不说“本周”“今天”，避免视频发布后说法失效。
- 自动检查：构建后的 QA 脚本会逐个打开证据链接；配音通过自动转写与脚本比对，并检查专有名词、响度、峰值、静音和字幕对齐；画面与内容另做独立审核。
- 课程即代码：脚本、镜头、数字都放在源文件里，任何一集都能从源文件重新生成，改一个数字就能追溯到它影响了哪些画面。
发布前还有一张 10 项、满分 20 分的审片评分表，门槛是不低于 17 分且没有 0 分项；L2 以上的集数还要请领域同行审技术内容。
怎么跟上
- 本站“课程”栏目会发布每一集的文字版：讲清概念，列出数字和核对方法，附自测题。视频上线后也会在对应文章里补上链接。
- 各集的互动页面和 Notebook 会随对应一集发布，届时在文章里给出地址。
- 想提前熟悉课程的证据口径，可以看 Physical AI 前沿雷达：它每天按八条主线整理物理 AI 进展，并使用同一套 O/R/M 分级。
局限 / 注意
- 大纲是草案，集数、标题和顺序都可能调整；本文列出的规划项不代表已经发布。
- “能核对”指的是能找到原始出处，不等于原始出处一定正确。R 级多为未经同行评审的预印本，O 级常是厂商或机构的自述，这两类数字在课程里都按“作者报告”对待。
