即将推出 (Coming Soon) – EulerWeave · EulerAgent · EulerAtlas

EulerWeave：数据引擎

弥合原始数据集与生产级模型训练之间差距的综合数据处理系统。

Open Source：数据预处理

为研究人员和开发者设计，在本地环境中精炼和分析数据。

智能分析：利用本地 LLM 进行初始数据画像。
递归过滤：自动生成和应用领域特定的过滤器类。
指标计算：PPL、Loss 及用于去重的 MinHash 计算。
质量评分：通过 BERT 模型进行噪声过滤评分。

Enterprise：编排

从单 GPU 扩展到集群级别的业务关键功能。

缩放验证：自动化 1-GPU LoRA/MoE 测试。
资源估算：基于 AI 的 GPU 时间和云成本计算。
参数调优：贝叶斯优化和网格搜索自动化。
MLOps 集成：从训练启动到结果合成的完整管线。

EulerAgent：确定性 CLI 代理框架

本地优先（Local-first）的代理框架，具备 8 步状态机（RUN_CREATED → CONTEXT → PLAN → PROPOSE → APPROVE → EXECUTE → RESULT → FINALIZED）、Pattern/Graph 编排器、RAG 管线、长期记忆（SQLite）、MCP 集成、插件系统、30+ 个 CLI 命令以及 65 个 fixture。它在以代码（而非 LLM）执行验证的确定性门控节点（kind: shell）之上，提供能自行编写、测试并修复代码的自愈式编码代理（code.dev_loop.v2）。

8 步状态机 & 编排

代理的每一个行动都经过 8 步状态机，并在人工审批（HITL）之后执行。借助 Pattern Orchestrator（基于 YAML 的 12 个规范模式 + LLM·判定·确定性 shell 门控节点）与 Graph Orchestrator（LangGraph 并行执行）来掌控复杂工作流。通过边界内自动审批（node.auto_approve）和符号门控（symbol_check）可自主运行 fix→test 循环。

长期记忆 (LTM)：基于 SQLite 的向量检索，跨会话保持上下文。
RAG 管线：混合词汇/向量检索，并追踪引用来源。
MCP 集成：对接 Brave、Tavily 等外部服务。
插件系统：工具扩展与工具权限链（多层安全）。

30+ CLI 命令

euleragent init
euleragent new my-assistant --template code-assistant
euleragent run my-assistant --task "重构" --mode plan

# RAG & 记忆
euleragent rag add --path ./docs/
euleragent memory search --q "先前决策"

# 模式 & MCP
euleragent pattern run review-code my-assistant
euleragent mcp sync

为希望获得自主功能但不牺牲控制力和安全性的开发者而构建。

EulerAtlas：基于插件的机器人行为学习（首发公开：汽车 · 人形机器人）

这是一个运行在结合了模仿学习（IL）与 FastTD3 强化学习（RL）的 RL→IL 管线之上、基于插件的 CLI 机器人行为学习框架。最先公开的两大旗舰域是 汽车（EulerDrive —— BEV 自动驾驶，CARLA 验证）和 人形机器人（EulerWalk —— RL→IL loco-manipulation），两个域均随附预训练模型，无需训练即可直接运行。统一模式设计用于覆盖汽车、无人机、人形机器人、机器狗、移动操作、物流、农业、造船等 8 个域，而各个域则以插件形式持续扩展。

8 域统一模式

每个域拥有固定维度 obs/action 模式，所有模块以一致方式通信。

经典 (01–04)	汽车 4/2 · 无人机 6/3 · 人形机器人 33/14 (loco-manip) · 机器狗 12/8
工业 (05–08)	移动操作 18/8 · 仓储 AGV 14/4 · 农业机器人 16/6 · 造船厂 20/9
策略模型	BC-MLP, BC-RNN, BC-CNN, ACT, Diffusion Policy + SOTA(BEVFuser, TemporalTransformer, WholeBodyACT) + RL Actor
级别	L0 Toy · L1 Intermediate · L2 Advanced（实际后端：CARLA/MuJoCo/HumanoidBench）

CLI & 策略模型

euleratlas init --role road --level 0 --out config.yml
euleratlas train -c config.yml
euleratlas train-rl -c config.yml
euleratlas sim rollout -c config.yml --save-video

# 模仿学习 + FastTD3 强化学习 · RL→IL · Domain Plugin

新增 train-rl、data collect/generate-demos、sim rollout --render/--save-video。支持 Domain Plugin 架构与边缘部署。

请先了解当前公开的三款产品

训练（EulerForge）→ 架构研究（EulerStack）→ FPGA NPU 综合（EulerNPU）。上述即将推出的产品都是为了在这一核心主轴之上运行而设计的。

EulerForge EulerStack EulerNPU 返回首页

即将推出的产品系列