机器人AI研究主页
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。
nishanthjkumar.com 是 Nishanth J. Kumar 的个人学术主页。根据页面内容，他目前是 Meta Robotics Studio 的 AI Research Scientist，博士毕业于 MIT CSAIL，研究方向集中在通用机器人、任务与运动规划、视觉语言模型、基础模型和神经符号方法。该站更接近“学术名片 + 研究索引”，而不是商业产品或在线课程平台。
网站主要提供个人简介、新闻动态、简历/CV、Google Scholar、LinkedIn、X/Twitter 等入口，并系统列出代表性论文。论文条目通常包含简短贡献说明、Paper、Code、Website、Video 等链接。抓取正文还包含若干项目页面内容，例如 Open-World TAMP、Learning Efficient Abstract Planning Models 等，展示真实机器人和仿真环境中的任务案例、方法概览、引用格式与相关资源。
站点本身免费开放，没有订阅、付费墙或账号体系。读者可直接浏览内容；但部分外链资源可能位于 IEEE、Google Scholar、GitHub、X/Twitter、视频或论文平台，其访问权限和可用性取决于第三方网站。
优点是研究脉络清晰，覆盖机器人长程任务、TAMP、VLM/LLM 约束生成、符号世界模型等前沿主题；项目说明配有任务例子、视频描述和引用信息，对研究者复现或延伸工作很有帮助。缺点是它不是系统化教学站点，对初学者不够友好；没有中文界面，也缺少交互式检索、标签筛选或统一下载入口。
最适合机器人学、具身智能、AI规划、神经符号学习方向的研究人员、博士生、工程研究团队和招聘方。若只是想学习通用AI入门课程，这个站点的信息密度较高但路径不够系统。
该个人主页本身大概率可直连，但页面依赖的 Google Scholar、X/Twitter、部分视频、GitHub 或学术出版平台在中国大陆可能存在访问不稳定或受限情况，因此整体判断为“部分受限”。
本测评基于公开资料整理,不构成购买建议,请以 nishanthjkumar.com 官网实际信息为准。
Meta Robotics AI 研究员主页，有博客和研究信息。
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。