DeepMind研究员主页
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
mohitshridhar.com 是 Mohit Shridhar 的个人学术主页。从正文看，他目前是 Google DeepMind 伦敦的 Research Scientist，博士毕业于华盛顿大学，研究方向包括 Human-Robot Interaction、Computer Vision、Natural Language Processing 和 Machine Learning。该网站并非课程平台，而更像科研履历、论文与项目资料的索引页。
页面集中列出多篇代表性工作，如 Generative Image as Action Models、Perceiver-Actor、CLIPort、ALFWorld、ALFRED 等，覆盖机器人操作、具身环境、视觉语言理解与交互式学习等方向。部分条目提供 Website、PDF、Video、Code、Colab、Slides 等链接，对研究生、科研人员和工程师进行文献阅读、代码复现、课题调研有较高价值。作者经历涵盖 Google DeepMind、Dyson、NVIDIA、Microsoft、Meta 等机构，学术与产业背景都较强。
正文未显示任何收费课程、订阅、支付方式或证书信息。因此不能将其视为带价格体系和认证结果的在线课程产品。可确认的是，页面本身主要提供公开论文和项目入口，但具体外链资源是否免费需逐项查看，正文未完整说明。
优点是研究方向前沿、论文质量高，且不少项目附带代码和视频，适合做深度自学与研究复现。页面结构简洁，能快速了解作者代表作和技术脉络。缺点也很明显：没有课程大纲、教学视频体系、练习、社群答疑或学习路径；对数学、机器学习、机器人和论文阅读能力要求较高，初学者直接使用会有门槛。
更适合机器人学习、具身智能、计算机视觉、NLP 方向的研究生、博士生、科研工程师，以及希望追踪 CoRL、ICLR、CVPR、RSS 等会议相关工作的学习者。不适合寻找零基础课程、职业训练营、证书项目或中文授课内容的用户。
正文未提供中国大陆访问情况，域名访问稳定性也无法从文本判断，因此标记为“未知”。若用于学习，建议同时保存论文 PDF、代码仓库和视频链接，以降低外部平台不可访问带来的影响。
本测评基于公开资料整理,不构成购买建议,请以 mohitshridhar.com 官网实际信息为准。
含论文项目，适合AI研究跟踪。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。