10 Robotics 自学系统

这一页把前面的知识地图、课程资源和项目路线收束成一个可持续维护的学习系统。核心原则很简单：不要收藏资料，要完成闭环。

学习原则

1. 先路线，后资源

不要从“我该看哪门课”开始，而是先回答：

我想进入 robotics 的哪条主线？
我缺的是几何、估计、控制、系统，还是学习方法？
我下一个闭环项目是什么？

资源只是路线上的燃料，不是路线本身。

2. 每个阶段必须有产出

Robotics 不能只靠读。每个阶段都要至少产出一种东西：

一页概念图。
一个最小算法实现。
一个仿真 demo。
一篇论文笔记。
一个失败复盘。
一个能回放的 rosbag / log。

如果没有产出，很容易陷入“感觉学了很多，但系统没变强”的状态。

3. 用项目暴露短板

先做一个小项目，再让项目告诉你该补哪门课。

例如：

A* 写不稳，补图搜索和启发式搜索。
机械臂到不了目标，补 IK、Jacobian 和 singularity。
导航漂移，补 state estimation 和 SLAM。
仿真能跑现实不行，补 calibration、latency、sim-to-real。
策略会动但不安全，补 control barrier、MPC、safety monitor。

主线选择

默认推荐你走 AI/CS 背景最自然的一条主线：

Robot Perception / Learning
-> State Estimation
-> Planning
-> Control basics
-> ROS 2 systems
-> Manipulation or Mobile Robotics project

原因：

AI/CS 背景可以快速进入 perception 和 learning。
Robotics 的真正壁垒在闭环、控制和系统，因此需要刻意补。
Manipulation 和 Mobile Robotics 都能很好地把算法、控制、系统串起来。

12 周路线图

Week 1-2: 建立全景

目标：

读 00_quick_grasp.md、README.md、01_field_overview.md。
画出一张 robotics 闭环图。
选定第一条主线：mobile robotics 或 manipulation。

产出：

notes/robotics_big_picture.md：一页写清 robotics 的五层闭环。
notes/learning_direction.md：写清暂时选择哪个方向，为什么。

Week 3-4: 几何与控制基础

目标：

学 SE(3)、forward kinematics、Jacobian。
理解 PID、LQR、MPC 的直觉差异。
读 03_control_dynamics.md。

产出：

一个 2D rigid transform 小实现。
一个 PID 控制小仿真。
一页解释：planner 和 controller 的区别。

Week 5-6: 状态估计与地图

目标：

学 Bayes filter、EKF、particle filter 的基本形式。
理解 localization、mapping、SLAM 的区别。
读 04_perception_state_estimation_slam.md。

产出：

一个 1D 或 2D Kalman filter demo。
一页解释：为什么 SLAM 会漂移，loop closure 如何修正。

Week 7-8: 规划与导航/操作

目标：

学 A*、RRT、trajectory optimization 的分类。
如果选 mobile：理解 costmap、global planner、local planner。
如果选 manipulation：理解 IK、collision checking、grasp planning。

产出：

A* 或 RRT 最小实现。
一张 navigation 或 manipulation pipeline 图。

Week 9-10: ROS 2 与系统闭环

目标：

学 ROS 2 node、topic、service、action、launch、TF、bag。
跑一个最小仿真。
学会记录和回放数据。

产出：

一个 ROS 2 demo workspace。
一份 debug checklist：时间戳、坐标系、消息频率、延迟、日志。

Week 11-12: 第一个闭环项目

二选一：

Mobile robotics：仿真中完成建图、定位、导航和避障。
Manipulation：仿真中完成感知目标、IK、规划、抓取或 pick-and-place。

产出：

项目 README。
运行截图或录屏。
系统架构图。
失败模式复盘。
下一阶段论文清单。

每周节奏

建议每周固定四块时间：

时间块	做什么	产出
2 小时	读核心材料	概念笔记
2 小时	看课程/视频	关键公式和直觉
4 小时	写代码或跑仿真	demo / log
1 小时	复盘和整理	下周任务

最低要求：每周必须留下一个可以复用的文件，而不是只留下浏览记录。

知识库结构

建议在本文件夹下逐步增加：

notes/
  robotics_big_picture.md
  control_basics.md
  state_estimation.md
  planning.md
  ros2_debugging.md

projects/
  01_pid_simulation/
  02_kalman_filter_demo/
  03_astar_or_rrt/
  04_ros2_navigation_sim/
  05_manipulation_pick_place/

papers/
  paper_template.md
  slam/
  manipulation/
  robot_learning/

logs/
  weekly_review.md
  failure_cases.md

笔记模板

# 主题

## 一句话

这个主题解决什么问题？

## 放在机器人闭环的哪里

Sensors / Estimation / World Model / Planning / Control / Systems

## 核心概念

- ...

## 最小算法

输入：
输出：
核心步骤：

## 常见失败模式

- ...

## 我该怎么练

一个最小项目或实验。

论文阅读模板

# Paper

## 它想解决什么问题

## 为什么旧方法不够

## 核心方法

## 输入输出

## 和机器人闭环哪一层有关

## 实验设置

## 真实机器人结果是否可信

## 局限

## 我可以复现哪一个最小部分

项目 README 模板

# Project

## Goal

## System Diagram

## Modules

- Perception:
- State estimation:
- Planning:
- Control:
- Systems:

## How to Run

## Result

## Failure Cases

## What I Learned

## Next Step

反教程地狱检查

如果你连续两周都在“看资料”，但没有任何代码、图、笔记、项目或复盘，说明路线需要收紧。

自查问题：

我现在做的事情是否服务于一个闭环项目？
我能不能说清这个主题在机器人系统里的位置？
我有没有写下一个最小实现？
我有没有记录失败原因？
我能不能把学到的东西讲给另一个 AI/CS 背景的人听？

长期目标形态

最终这个文件夹应该长成这样：

00-10：稳定的知识地图和学习指南。
notes：原创解释，不是复制课程材料。
projects：你真正跑过的闭环系统。
papers：按方向沉淀的研究脉络。
logs：记录卡点、复盘和下一步。

当学习者能用项目和笔记解释 robotics 的闭环，就不再只是“看过很多资料”，而是真的拥有了这个领域的地图。

你在 Learning System / Maintenance