外观
具身智能学习记录
约 1274 字大约 4 分钟
具身智能机器人学习路径
这里记录我参与具身智能课程的学习过程。目标不是简单摘录课件，而是逐步回答三个问题：机器人如何感知环境、如何形成决策，以及如何通过控制真正作用于物理世界。
学习方法
每门课程采用同一条记录链路：
- 课程页面：沉淀知识体系、章节笔记和阶段总结。
- 学习日志：按时间记录当天做了什么、遇到什么问题、下一步做什么。
- 综合实践：把控制、感知、软件和学习算法放进同一个可运行项目。
- 论文阅读：补充课程之外的重要方法，但不代替基础学习和实验验证。
课程体系
课程被整理为四条相互连接的主线。编号表示本站建议的整理顺序，不代表课程平台规定的修读顺序。
基础认知
| 课程 | 主要问题 | 当前状态 |
|---|---|---|
| 人工智能与机器人工程概论 | 具身智能系统由哪些部分组成 | 待记录 |
| 机器人技术基础 | 机器人如何描述结构、位姿与运动 | 待记录 |
控制与决策
| 课程 | 主要问题 | 当前状态 |
|---|---|---|
| 自动控制理论（1） | 如何建模、分析并稳定一个动态系统 | 待记录 |
| 自动控制理论（2） | 如何处理更复杂的现代控制问题 | 待记录 |
| 机器人控制技术 | 如何让机器人准确执行期望动作 | 待记录 |
| 智能控制 | 模型不完备时如何形成自适应控制策略 | 待记录 |
感知与交互
| 课程 | 主要问题 | 当前状态 |
|---|---|---|
| 智能感知技术 | 如何把传感器信号转换成环境状态 | 待记录 |
| 机器人感知与人机交互 | 机器人如何理解并回应人和环境 | 待记录 |
软件与学习
| 课程 | 主要问题 | 当前状态 |
|---|---|---|
| 机器人软件工程学 | 如何构建可维护、可测试的机器人软件 | 待记录 |
| 智能机器人编程基础 | 如何把算法接入一个可运行的机器人系统 | 待记录 |
| 深度学习与强化学习 | 机器人如何从数据和交互中学习策略 | 待记录 |
知识之间的关系
阶段目标
| 阶段 | 学习重点 | 可验证产出 |
|---|---|---|
| 第一阶段：建立系统观 | 概论、机器人基础、控制基础 | 一张知识地图，一个基础建模或运动学实验 |
| 第二阶段：形成闭环 | 控制、感知、机器人编程 | 一个具备感知输入和控制输出的仿真实验 |
| 第三阶段：引入学习能力 | 智能控制、深度学习、强化学习 | 一个可训练、可评测的控制策略 |
| 第四阶段：综合实践 | 软件工程、人机交互、跨课程整合 | 一个有演示、指标和复现说明的完整项目 |
与已有知识库的连接
- 智能体基础：理解感知、决策、行动和环境之间的闭环。
- 搜索问题：连接机器人导航、任务规划和状态空间搜索。
- 规划问题：连接动作序列、约束和目标状态。
- 强化学习：连接状态、动作、奖励和策略学习。
- 神经网络：作为感知模型和策略模型的基础。
完成标准
一门课程只有同时留下以下内容，才标记为“已完成”：
- 课程知识地图和关键概念。
- 至少一份推导、代码、仿真或数据分析结果。
- 一次阶段复盘，包括理解变化、遗留问题和下一步行动。
- 能说明它与其他课程以及综合项目的关系。
更新日志
2026/7/24 20:09
查看所有更新日志
8cad8-feat: add embodied AI learning collection于
版权所有
版权归属：huanghx02