From 7beba237585f3429cd8ff94a6c1e705a6a0e8b63 Mon Sep 17 00:00:00 2001
From: Axi404 <118950647+Axi404@users.noreply.github.com>
Date: Mon, 3 Mar 2025 20:12:31 +0800
Subject: [PATCH] fix TOC tag missing of simulators and datasets

---
 README.md | 6 +++++-
 1 file changed, 5 insertions(+), 1 deletion(-)

diff --git a/README.md b/README.md
index a352211..da8f734 100644
--- a/README.md
+++ b/README.md
@@ -691,7 +691,7 @@ Coming Soon !
 
 # 5. Software - 软件
 
-<section id="benchmarks"></section>
+<section id="simulators"></section>
 
 ## 5.1 Simulators 仿真器
 常见仿真器wiki: [wiki](https://simulately.wiki/)
@@ -708,6 +708,8 @@ Coming Soon !
 **教程**：
 - **Isaac 101：** [Blog](https://axi404.top/tags/isaac%20101) by Axi404.
 
+<section id="benchmarks"></section>
+
 ## 5.2 Banchmarks 基准集
 具身智能常用benchmark总结 [1]: [zhihu](https://zhuanlan.zhihu.com/p/695342864)<br>
 * **CALVIN**, [github](https://github.com/mees/calvin), [website](http://calvin.cs.uni-freiburg.de/)2022年, 第一个公开的结合了自然语言控制、高维多模态输入、7自由度的机械臂控制以及长视野的机器人操纵benchmark。支持不同的语言指令, 不同的摄像头输入, 不同的控制方式, 主要用来评估具身智能模型的多模态输入的能力和长程规划能力。
@@ -717,6 +719,8 @@ Coming Soon !
 * **LIBERO**, [repo](https://github.com/Lifelong-Robot-Learning/LIBERO), [website](https://libero-project.github.io/intro.html): 用一个程序化生成管道来生成任务, 这个管道理论上可以生成无限数量的操作任务, 还提供了：三种视觉运动策略网络架构（RNN、Transformer和ViLT） 和 三种终身学习算法, 以及顺序微调和多任务学习的基准。
 * **RoboTwin**, [repo](https://github.com/TianxingChen/RoboTwin): 使用程序生成双臂机器人无限操作任务数据, 并提供了所有任务的评测基准。
 
+<section id="datasets"></section>
+
 ## 5.3 Datasets 数据集
 * **Open X-Embodiment: Robotic Learning Datasets and RT-X Models**, [website](https://robotics-transformer-x.github.io/):  22种不同机器人平台的超过100万条真实机器人轨迹数据，覆盖了527种不同的技能和160,266项任务，主要集中在抓取和放置。
 * **AgiBot World Datasets (智元机器人)**, [website](https://agibot-world.com/): 八十余种日常生活中的多样化技能，超过100万条轨迹数据，采集自**同构型机器人**, 多级质量把控和全程人工在环的策略，从采集员的专业培训，到采集过程中的严格管理，再到数据的筛选、审核和标注，每一个环节都经过了精心设计和严格把控。