如何让机器人像人类一样从经验中学习？
尤其是如何从人类的动作中，直接提炼出可执行的机器人行为，而不用让机器人自己反复采集大量数据。
最近，一个名为 MotionTrans 的开源项目，给出了一个令人振奋的思路。
在众多 AI 聊天项目中，LobeChat 是一个值得长期关注的开源项目。它不仅外观精致、交互体验流畅，更重要的是，它完全开放、支持多种大语言模型接入，让每个人都能拥有属于自己的 ChatGPT。
Convergence AI 开源的一个轻量（mini）版本的代理 / 助手框架。它可以让模型在一个环境中，自主地使用工具 (如浏览器、点击、搜索) 来完成任务。
展示了如何使用 OpenAI 的 Agents SDK 搭建一个多智能体（multi-agent）的客户服务系统，聚焦于航空客服场景
EdgePersona 是一个开源项目，旨在创建一个完全本地化运行的智能数字人系统。该系统设计轻量高效，对硬件要求低，适合在普通笔记本电脑上运行，保障用户隐私。
WeClone 是一个开源项目，旨在通过微信聊天记录微调大型语言模型（LLM），实现个性化的数字分身，并可部署为微信、QQ、Telegram 等平台的聊天机器人。
5ire是一款开源的跨平台桌面AI助手，同时也是Model Context Protocol（MCP）客户端，旨在为用户提供与主要AI服务商无缝对接的智能体验。
Meta Motivo 是由 Meta 的 FAIR（Facebook AI Research）团队开发的行为基础模型，旨在控制虚拟的基于物理的仿人代理，使其能够执行各种全身任务。
ASAP（Aligning Simulation and Real-world Physics），一个两阶段框架，用于解决人形机器人模拟与现实世界的动力学不匹配问题，以提升全身运动的敏捷性和协调性。
第一阶段：在模拟环境中使用人类运动数据训练运动跟踪策略。
第二阶段：在现实世界中部署策略，收集数据并训练 Delta Action 模型，以补偿动力学误差，并通过微调优化策略。
在多个模拟到现实的转移实验中，ASAP 相比 SysID、DR 及 Delta Dynamics 学习基准表现更优，显著提升了运动的敏捷性和精准度，展示了人形机器人在现实世界中实现高度敏捷运动的潜力。
支持在移动设备上实时运行的超轻量级数字人模型
Ultralight-Digital-Human 是一个创新的开源项目，使得数字人在移动设备上的实时应用成为可能，旨在实现超轻量级的数字人模型，其能够在移动设备上实时运行。
支持在移动设备上实时运行的超轻量级数字人模型
提供了详细的训练和推理步骤
