本文是 Saturday Robotics 读书会第33期的观点总结，主讲人 Tonghe Zhang（CMU）提出：当 GPT-6 Astra 等前沿语言模型能力'溢出'后，机器人学的经典瓶颈将不再是研究问题，而是编码智能体可解决的工程循环。文章总结12个核心观点：灵巧性本质是奖励问题、上下文学习免费获得、硬件即代码、Sim-to-Real 是优化问题、验证是关键货币、低层控制无需思维链等。核心论断是端到端方案在可行处总是胜出，结构化只是临时脚手架，语言模型将缓慢而突然地'吞噬'机器人学。
本文以'把文具放进笔筒'这一具体任务为例，手把手介绍机械臂模仿学习的完整流程：先通过主臂遥操作从臂完成示范，用 LeRobot 记录摄像头画面、关节状态和动作指令形成数据集；再检查数据质量，用 GR00T 等 VLA 模型训练，让机械臂根据视觉输入自主完成任务。文章还介绍了 Isaac Sim 仿真采集、Cosmos 视频增强、Sim-to-Real 迁移以及 Jetson 边缘部署等进阶内容，涵盖设备接线、软件安装、校准、录制等实操细节，是机器人入门的实用教程。
文章指出机器人研发正处于开源红利期，个人开发者可借助成熟开源框架在数周内跑通从仿真训练到真机部署的完整闭环。作者按技术栈分层整理了经过工程验证的开源项目：足式强化学习（rsl-rl、AMP、TienKung-Lab、unitree_rl_gym）、模仿学习（ALOHA-ACT、Diffusion Policy）、VLA 具身大模型（OpenVLA、Octo、LingBot）、一站式框架 LeRobot、传统动力学求解库（Pinocchio、Acados）、MuJoCo 仿真模型库，以及 Awesome 学习资源清单，并给出四步最简上手顺序建议。
本文以 Asimov 1 DIY 人形机器人套件为例，系统介绍在家从零搭建人形机器人的完整流程。机器人高1.2米、重35公斤、25个自由度，售价2万美元。文章涵盖工具准备、机械/电子/Linux与Python三大基础能力要求、零件制造工艺（CNC铝合金、金属3D打印、尼龙打印）、CAN总线接线与电机ID设置等难点，并深入讲解仿真到实际（Sim-to-Real）迁移的核心问题：时序匹配、CAN包顺序、欠阻尼振荡的成因与解决方法，以及强化学习运动策略如何只用真实可用的传感器数据训练以确保部署成功。适合想从看视频走向真正动手的机器人开发者。
文章批评 Axis Robotics 融资1200万美元、雇人用鼠标在浏览器遥操作仿真机械臂采集五万条数据集的做法。作者指出利用已发表的演示增强技术（350-400倍扩增率），同样数据仅需约130条真实演示即可生成，每条数据成本高达240美元，且存在物理与动作统计的双重分布位移。文章提出'验证比生产更便宜'的信息市场定律，批评按条计酬会催生'劣质数据驱逐优质数据'的格雷欣法则，并介绍Stonk Robotics基于方案（程序化策略）而非轨迹的替代设计，主张购买判断、评测等无法被制造的东西。
本文是一份详细的 Microduck 双足机器人 DIY 复刻教程。Microduck 高约 25cm，由 15 个 Dynamixel 舵机驱动，步态通过 MuJoCo 仿真器中强化学习训练后部署到真机，以 50Hz 频率运行 ONNX 神经网络实现闭环平衡控制。文章系统讲解了系统架构与控制链、舵机与关节顺序、61 维观测与 ONNX 部署契约、材料与工具清单、仿真环境搭建与训练流程等内容，分八个阶段指导读者完成从固定源码版本、跑通仿真、CAD 重建、硬件搭建到分级真机调试的完整复刻过程。
