6×6地图有36个位置，每个位置只记“上、右、下、左”4个分数。这里没有图片识别，也没有语言模型。
无GPU具身智能仿真实验室在浏览器里看见“学习—理解—行动”
NO GPU · NO CLOUD · JUST EXPERIMENT不用GPU，
不用GPU，
也能把AI的过程拆开看。
这里不追求造一个假的“大模型”。我们用三个足够小、可以看懂的实验，把机器人怎样试错、怎样用视觉证据回答、怎样把语言变成动作展示出来。
只用当前设备CPU不上传学生数据不连接真实G1
CPUSIM
ACTIVE LAB / 当前实验
⚡ 让小机器人真的试错学习
修改奖励，运行Q-learning，再回放它自己找到的路线。
REINFORCEMENT LEARNING LAB · Q-LEARNING
让小机器人自己找到安全路线
你不是直接告诉它怎么走，而是设计“加分和扣分规则”。它会试很多次，再把更好的选择记进Q表。
1选择一步→2得到奖励→3更新Q表→4再试一次
02
训练路径回放比较“还没学会”和“学会以后”
第0步 / 35准备：从起点出发
本步奖励 0 · 累计奖励 0
03
读取训练结果不要只看速度，还要检查安全
等待训练数据
先设计奖励规则，再点击“开始Q学习”。
04
累计奖励曲线看学习趋势，不追求每轮都上升
训练后，这里会出现奖励学习曲线。
打开“算法透视镜”：它到底做了什么？
训练初期常随机试路，后期更多选择Q表里分数最高的方向，所以曲线会抖动但整体可能变好。
终点加分、每步扣分会影响效率；危险、碰撞、安全距离和转向扣分，分别简化映射安全与身体稳定。
真实G1还要面对平衡、摩擦、延迟、传感器误差和人身安全。本实验只帮助理解强化学习原理，不能生成真机控制策略。
把三种AI放在一张图里
它们处理的是同一个闭环里的不同问题
把视觉线索变成可以检查的语言描述。
把人的目标、环境信息和安全边界放在一起。
把视觉和语言变成动作，并持续重新观察。
从奖励与失败中调整策略，为下一次行动改进。