README.zh.md

English

在 AMD ROCm 上跑通的开源项目目录。这里只做入口：代码在各自仓库，长文在 技术笔记 和 rocpai-forge.github.io。采集、仿真、训练、部署这条闭环画在 技术全景。

	板块	你想找的是
1	🔥 TOP 3	刚发布的
2	💻 按机器	Strix Halo、MI300X 或 Radeon 独显上先打开什么
3	🎥 Real2Sim	扫描、动态场景、立体深度
4	🕹️ 仿真	遥操作、数据集、MuJoCo
5	🎯 强化学习与 VLA	会抓、会走、会跟速度的策略
6	🤖 机器人	能对话、能看、能拍照的桌面机器人
7	⚡ 推理	可以自己编译的 HIP 引擎
8	↗️ 上游 PR	送给其他项目、让它们能在 AMD GPU 上跑的改动
9	📚 2024–2025	更早的教程，2026-10 未复测

1 · TOP 3

最多三条，新的在前。来了第四条，就去掉最旧的一条。有 LinkedIn 动态时，链在对应那条上。动态是英文。

2026-10-07 · h3-hip.c v0.15.0。 FastH3 路径默认关闭：--fasth3-lora（稠密 4 步 LoRA）、--taeh3（小视频解码器）、--vsa（稀疏视频注意力）。Prompt 1、1344×768、5 秒、单卡 MI300X：

路径	时间
稠密 50 步	668 秒
FastH3	97 秒
VSA + TAEH3	62 秒

FastH3 和 VSA+TAEH3 是 4 步，不是 NVIDIA 公布的 50 步方案。62 秒的单卡 MI300X 快过已公布的 RTX 5090 全优化（231 秒）和 4 卡 H100 基线（81 秒）。4 卡 H100 全优化仍然更快（23 秒）。这一版没有重测 gfx1151 和 gfx90a。账本：MI300X 对比 NVIDIA，768p。LinkedIn。

2026-08-29 · UniLab 里的 MicroDuck 步态。 Pollen Robotics 的 Hugging Face 小型双足。MuJoCo 上的速度任务，PPO 和 SAC。已合并。LinkedIn：在 Radeon Pro W7900 上，用 UniLab 自带的 ROCm 路径训练。

2026-07-17 · SO-101 SimStudio。 键盘、Joy-Con 或主臂遥操作，录成 LeRobot v3.0。采集版 v0.1.2。Ubuntu 24.04 + ROCm，面向 Ryzen AI 笔记本或 mini PC。LinkedIn。

2 · 按机器

机器	先打开
Ryzen AI / Strix Halo（gfx1151，含 Radeon 8060S）	FoundationStereo-hip.c · h3-hip.c · SO-101 SimStudio · ROCm Robotics RL Lab · Reachy Mini Chat
Instinct MI300X	h3-hip.c · OpenArm 轨迹 · OpenArm 抓取 · SO-101 Lab 01 · 4DGS · MicroDuck
Radeon 独显	4DGS 观看端：Vulkan 渲染、VA-API 编码、WebRTC

3 · Real2Sim

扫描、视频和立体视觉，收成仿真能用的场景。

项目	做什么	验证于
Scan2Sim	扫描 OBJ → 带碰撞体、质量和惯量的 MuJoCo 资产。仓库可运行。	网格处理管线，不跑 GPU 训练。
单目视频 → 4DGS	单目视频补出多视角，再建成可换视角的动态高斯场景。Phi Media Lab × rocPAI-Lab。笔记。121 帧 → 24 路观测 → 3 万步更新。	生成与重建在 MI300X + ROCm。观看端在 Radeon：Vulkan + VA-API + WebRTC，1280×720。
FoundationStereo-hip.c	FoundationStereo 的 HIP 移植，面向 Strix Halo。已发布 v0.1.0。	gfx1151，ROCm 7.2。2448×2048、12 iter：PyTorch ROCm 约 426 秒，HIP 约 5.0 秒。

4 · 仿真

遥操作，以及这些操作产出的数据。

项目	做什么	验证于
SO-101 SimStudio	键盘、Joy-Con 或主臂遥操作，录成 LeRobot v3.0。介绍 · 详解。采集版 v0.1.2。安装路径是 Ubuntu 24.04 + ROCm。	Ubuntu 24.04 + ROCm，文档按 Ryzen AI 笔记本或 mini PC 来写。
SO-101 Lab 01	同一套示范，接 ACT / SmolVLA，再在 MuJoCo 里闭环评估。笔记 · 详解。v0.1.3。	MI300X 上训过 50K 步检查点。
OpenArm 轨迹	用运动规划批量生成抓放示范，给后面的 VLA 训练。抓取可以是标定的顶视位姿，也可以是 GraspGenX 在 ROCm 上合成的 6-DoF 位姿。笔记 · 详解。数据引擎已跑通。回放在 CPU。	MI300X，ROCm 7.2，容器内 torch 2.7.1+rocm7.2。
RoboSimLab	SO-101 的 MuJoCo 场景，导出 LeRobot 3.0 episode。基础场景和脚本化导出已完成。IK、抓放和真机还在路线上。	目标平台：Linux + PyTorch + ROCm。
OpenArm Labs Hub	OpenArm 仿真、强化学习、模仿学习和 ROS 的仓库地图与踩坑。实现代码在其他仓库。	—

5 · 强化学习与 VLA

VLA 训练从上面的 SO-101 Lab 01（ACT / SmolVLA）和 OpenArm 轨迹 进入。

项目	做什么	验证于
OpenArm 抓取	抓方块。策略练出了一种奖励里没有写明的抓法。MuJoCo 在 CPU，策略学习在 ROCm，训练栈是 UniLab。笔记 · 详解。rocPAI-Lab：Alex He、David Li、Andy Luo。	MI300X / MI210 + ROCm。
MicroDuck	全向小车的 PPO 实验课：奖励、评估视频，再用键盘驱动。任务在 microduck_rl_unilab。中英笔记本。	500×300 在 MI300X 上约 4 分钟。
Kudada	10 自由度双足平地速度跟踪。FastSAC。四种已验收步态：走、蹲走、侧向走、踏步恢复。仓库里有评估视频。	UniLab + MuJoCo。
ROCm Robotics RL Lab	robosuite 里的 Panda 抬方块，SAC / PPO。仿真渲染和 PyTorch 都在核显上。训练、评估和扫参脚本可用。	Ryzen AI Max+ 395，Radeon 8060S，PyTorch ROCm 7.1。

6 · 机器人

项目	做什么	验证于
Reachy Mini Chat	仿真或真机对话：语音识别、Ollama、TTS、情绪动作和口型。可以完全离线。emo_v1–emo_v8，含 Piper TTS。	Ryzen AI Max+ 395 + Ubuntu 24.04。也在带 Radeon 的 Ubuntu 上跑过。
ReachyBuddy	同一台 Reachy Mini 的更多模式：语音拍照、Ollama 视觉模型巡视、对话，以及带工具调用的 Agent。	—
ReachyClaw	通过 OpenClaw 做对话和情绪动作。语言模型走 OpenClaw API。机器人侧是 MuJoCo 或真机。	—
VLM Demo	浏览器摄像头，由 Qwen2.5-VL-3B-Instruct 看图回答。Web demo，2025-11。	ROCm GPU。

7 · 推理

项目	做什么	验证于
h3-hip.c	MiniMax-H3 的 HIP 移植。同一棵代码，用 HIP_ARCH 选择 GPU。持续更新。v0.15.0：单卡 MI300X、1344×768、5 秒视频，稠密 50 步约 668 秒，VSA+TAEH3 约 62 秒。	gfx1151（Strix Halo）、gfx90a（MI210）、gfx942（MI300X）。
dsh-plugin-h3-hip	把 h3 --serve 接到 DeepSeek Harness。需要 h3-hip.c ≥ v0.12-exp。	—

8 · 上游 PR

送给其他项目、让它们能在 AMD GPU 上跑的 pull request。每条的 GitHub 状态记在 上游页面（英文）。

9 · 2024–2025

History 保留更早的复现步骤：W7900 上的 LoRA / QLoRA、iGPU 780M 上的 Ollama、vLLM 容器、EchoMimic、CosyVoice、语音助手和 RAG。每条标了当时的 GPU 和 ROCm 版本。2026-10 未复测。

@misc{Playing with ROCm,
  author = {He Ye (Alex)},
  title = {Playing with ROCm},
  howpublished = {\url{https://github.com/alexhegit/Playing-with-ROCm}},
  year = {2024--2026}
}