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。
逆运动学 (Inverse Kinematics, IK) 与正运动学方向相反:已知机器人末端想要到达的目标位置,反推各关节需要旋转的角度。
"如果我想让机械手抓到坐标 (150, 100) 的物体,两个关节分别该转多少度?" —— 这就是逆运动学要解答的问题。你可以在右侧画布里**点击或拖动**红色目标点,观察机械臂实时反解。