学习世界模型、具身智能与机器人控制，适合物理 AI 学习者和研究者。
12 条精选 · 入门 3 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后
Stanford EE292R AI and Data for Science | Autumn 2026 | From World Models to World Agents
这是斯坦福课程 EE292R 的一场讲座，讲者 Gordon Wetzstein 为电子工程系（兼计算机科学系）副教授。讲座介绍视频世界模型的最新进展，重点包括增强长时间上下文中的时间一致性与推理、缓解自回归漂移，以及多智能体动态的整合和有效的人类中心条件控制策略。材料附有课程时间表链接。
Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Parametric Filtering
这是斯坦福课程 AA274A 第 15 讲录像，主题为参数化滤波（KF、EKF、UKF），由 Marco Pavone 教授讲授。材料说明该讲录制于 2019 年版课程，课程内容、结构和作业此后可能已变化，所附链接指向最新版本；视频简介还提供配套教材 Principles of Robot Autonomy 的免费在线地址。
这是卡内基梅隆大学 10-703 深度强化学习课程的课程网站，课程综合计算机视觉、机器人控制、强化学习和语言理解等方向，讨论如何构建能感知世界并通过模仿、最大化稀疏奖励或满足好奇心来学习行动的智能体。课程目标包括实现和实验现有方法、评估其样本复杂度与泛化性、理解机器人学习领域论文等。页面列出先修要求：算法、概率、计算机视觉、深度学习（TensorFlow 与 PyTorch）、矩阵微积分和编程基础。