先选路线再开始学习，避免低效试错。
按模块系统推进，建立可落地的工程闭环。
判断你的既有经验是否适合切入具身算法。
需要补基础时，直接进入教程主线。
从项目验证学习成果，构建可展示经验。
补齐项目、数据、工具链等关键资源。
从系统认知到工程闭环。
MuJoCo / Isaac Sim / Gazebo 等仿真平台 + RViz / RQT 可视化工具。
从 MDP 到 PPO/SAC，建立算法直觉。
补齐跨模态表示、对齐与融合基础。
进入视觉-语言-动作大模型主线。
仿照 CS123，8 章从 PD 走到 LLM 驱动四足。
搭建第一个可运行的仿真环境。
最小 RL 训练与评估闭环。
机械臂到点控制与连续动作策略训练。
从硬件连接到策略回放的最小真机流程。
在真机前先练复杂接触任务。
数据集、清洗与格式转换。
仿真、训练、benchmark 与评测。
重点开源项目内容与学习资料。
对比 Isaac Sim、MuJoCo、Gazebo 的差异与适用场景。
从科普过渡到系统教程主线。
从案例和代码建立工程感知。
动手学具身智能。从基础理论到实战部署，手把手教你掌握具身智能的核心技能。
这份学习路径会先帮你判断自己更适合按背景切入、按模块学习，还是按目标岗位推进，再告诉你该补哪些基础、先做哪个项目。
我们相信好的教程应该让复杂的事情变得简单
从 Python 基础到 ROS2，从运动学到 SLAM，系统化的学习路线让你少走弯路。
每个章节都配有可运行的代码示例和仿真环境，边学边做，理论与实践并行。
所有内容完全开源，社区驱动。欢迎贡献教程、提交 PR、参与讨论。
从第一行代码开始，踏上你的机器人开发之旅。