具身智能，现在光靠发论文已经罩不住了。模型、数据、仿真、本体、安全、评测、部署、落地——随便拆一块出来都是无底洞。这时候你再去 GitHub 上翻，光收藏几个刷 SOTA 的 repo 根本不够用。
所以这次挑了两个总结型仓库。不是那种丢一堆链接就完事的导航页，是真的想给这个领域画张地图。
一个是 GenAI-Gurus / awesome-embodied-ai-governance，偏治理。一个是 GlimmerLab / Awesome-Embodied-AI-Robot，偏机器人资源索引。搁一块看，这个领域正在从"模型热闹"往"工程打底"过渡。
一、awesome-embodied-ai-governance：机器人要落地，治理这层躲不掉
第一个想多聊几句。
项目链接：https://github.com/GenAI-Gurus/awesome-embodied-ai-governance
这个 repo 的切入点很刁，也很实在。它开始琢磨"怎么管得住"。
这事在纯模型阶段其实没那么扎眼。大模型出点幻觉，顶多屏幕上蹦几句胡话，回车一删就完了。但上了真机器人，麻烦直接升级——这东西是要在物理世界里动的。
它能走路、抓东西、开门、搬箱子，以后还要走向工厂、医院、商场、家里。这时候治理就复杂了。谁给它下的指令？高风险动作要不要二次确认？搞砸了日志能不能翻出来？传感器数据怎么存才合规？……
这些问题不是锦上添花，是部署前必须解决的。
awesome-embodied-ai-governance 的价值就在于，它把具身智能治理单独拎出来，做了张资源地图。按仓库描述，覆盖了 standards、runtime controls、assurance methods 和 evaluation resources。
这里要区分一下，"治理"和之前常聊的"安全"不是一回事。安全更像是在问"机器人会不会闯祸"。治理是在问"怎么证明它不该闯祸，闯了怎么追责，谁有权让它干什么"。
这对后面要做机器人业务的公司特别关键。实验室跑 demo，治理问题睁一只眼闭一只眼就过去了。一旦进客户现场，对方肯定要问：操作日志呢？权限分级做了吗？急停记录能不能调？等等等等
听着确实有点烦。但这些问题直接决定机器人能不能进严肃场景。
所以这个 repo 值得放进来。它其实反映了一件事：具身智能从研究热词往产业落地走，这层基础设施是非补不可的。
以后 VLA 和 WFM 只会越来越强。但系统越强，越需要治理。能力越大，边界越明显。只能夹积木的机械臂，确实闹不出什么大事。但一个能听懂自然语言、调用工具、满屋子跑、操作真实设备的机器人，没有清晰的权限和审计体系，谁敢往外放？
"governance"这个词，后面在具身智能领域应该会经常听到。
二、Awesome-Embodied-AI-Robot：机器人资源地图，适合存着慢慢用
第二个是 Awesome-Embodied-AI-Robot。
项目链接：https://github.com/GlimmerLab/Awesome-Embodied-AI-Robot
如果说第一个是"治理专题入口"，这个更像一张"机器人资源地图"。
信息量很大，面向的是机器人学习本身。仓库把具身智能研究拆成基础理论、机器人学习与强化学习、环境感知、运动规划、任务规划、多模态交互、仿真平台这些方向，每个方向都收了论文、代码和数据集。
这种分类方式，对做工程的人比较友好。
搞机器人项目的时候，通常不是从一个抽象概念出发，而是从一个具体问题出发。我要做感知、我要做操作、我要做别的方向。
这时候，一个按任务模块组织的资源库，比按年份堆论文的列表实用得多。
做机器人操作，去翻 robot learning 和 reinforcement learning。导航和空间理解看 environment perception。任务执行找 motion planning 和 task planning。人机交互看 multimodal interaction。要搭训练测试环境，simulation platforms 那部分有汇总。
这就是"资源地图"和"论文列表"的差别。论文列表回答的是"最近出了什么工作"。资源地图回答的是"我要搭一个系统，该从哪儿找资料"。
对具身智能来说，后者会越来越重要。这个方向早就不是单点模型能搞定的了。机器人系统都是多个模块凑出来的。
哪个模块缺了，系统都很难稳。
Awesome-Embodied-AI-Robot 的意义就是把各模块放在同一个框架里。适合长期收藏，也适合给团队新人当学习入口。
不过提醒一句：信息量确实大，用的时候最好带着目的去查，别一上来从头读到尾，容易被资料淹没。围绕具体问题去翻，比如"我现在要搭仿真环境"，效率会高很多。
对公众号读者来说，这个项目最大的价值可能是：让具身智能不再只是几个热门模型名字，而是变成一张可以检索、可以学习、可以拆解的工程知识网。
三、写在最后：从"模型清单"到"系统索引"
一个聊治理，一个聊工程资源。
Awesome Work 往后也会按这个路子选。不追最热闹的，只找值得长期跟的。真正值得跟的仓库，一般不是丢个 demo 跑完就完事的。它
能帮你换一种角度看这个领域。
这周的 2 个项目，就是这种资料入口。
项目速查
