12 Robotics 项目实验手册

这页定义项目路线和交付标准。目标是让学习结果不只是“看过”，而是能展示、复盘、迭代。

项目交付标准

每个项目至少包含：

• README.md：目标、运行方式、系统架构、结果。
• system_diagram：模块和数据流。
• result：截图、曲线、日志或视频说明。
• failure_cases：至少 3 个失败模式。
• next_steps：下一步如何改进。

Lab 01: Control Mini Lab

目标：理解 feedback control。

实现建议：

• 一个一维小车或 pendulum 简化系统。
• PID 或 LQR 控制器。
• 加入扰动和噪声。
• 画出 tracking error、control input、settling time。

验收标准：

• 能解释 Kp、Ki、Kd 或 Q/R 如何影响行为。
• 能说明为什么 open-loop 不可靠。
• 能记录至少一个失稳或震荡案例。

Lab 02: State Estimation Lab

目标：理解 noisy observations 如何变成稳定状态估计。

实现建议：

• 1D constant velocity model。
• Kalman filter。
• 模拟 noisy position sensor。
• 对比 raw measurement 和 filtered estimate。

验收标准：

• 能写出 prediction 和 update。
• 能解释 covariance 代表什么。
• 能说明 motion model 错误时会发生什么。

Lab 03: Planning Lab

目标：理解 search / sampling-based planning。

实现建议：

• 2D grid A*。
• 或 2D continuous RRT。
• 加入障碍物和起终点。
• 可视化 visited nodes 和 final path。

验收标准：

• 能解释 heuristic 对 A* 的影响。
• 能解释 RRT 为什么适合高维空间。
• 能说明 path feasible 和 trajectory executable 的区别。

Lab 04: ROS 2 Closed Loop

目标：把算法放进机器人系统结构。

实现建议：

• 写两个 ROS 2 nodes：planner node 和 controller node。
• 使用 topic 传递 state 和 command。
• 使用 launch 启动。
• 记录 rosbag。

验收标准：

• 能画出 node/topic graph。
• 能解释每个 topic 的频率和消息类型。
• 能用 rosbag 回放并复现一次问题。

Lab 05: Mobile Robotics Project

目标：完成一个导航闭环。

系统模块：

• Simulated robot。
• Localization。
• Map / costmap。
• Global planner。
• Local planner / controller。
• Logging。

验收标准：

• 机器人能从起点到终点。
• 遇到障碍能避让或重规划。
• 有失败复盘：定位漂移、局部最小、动态障碍、控制延迟等。

Lab 06: Manipulation Project

目标：完成一个 tabletop manipulation 闭环。

系统模块：

• Object perception。
• Object pose or grasp proposal。
• IK。
• Collision-free motion planning。
• Trajectory execution。
• Gripper command。

验收标准：

• 能完成至少一个 pick-and-place 场景。
• 能记录失败：抓取姿态错误、碰撞、IK 无解、控制误差、感知遮挡。
• 能解释哪些模块适合 learning，哪些模块继续用 classical 方法。

Lab 07: UAV / Aerial Robotics Project

目标：理解无人机三维运动中的状态估计、轨迹生成和快速控制。

系统模块：

• Quadrotor dynamics or simulator。
• State estimate: position, velocity, attitude。
• Trajectory generation: minimum snap or waypoint tracking。
• Controller: geometric control, PID cascade, or MPC。
• Safety: altitude / velocity limit, emergency landing condition。

验收标准：

• 能跟踪一条三维轨迹。
• 能解释 attitude control 和 position control 的关系。
• 能记录失败：状态延迟、轨迹过急、控制饱和、碰撞或发散。

Lab 08: Legged / Humanoid Locomotion Project

目标：理解腿足机器人为什么不是简单“路径规划 + 控制”。

系统模块：

• Simplified legged simulator。
• Gait or footstep planner。
• Body state estimator。
• MPC, whole-body control, or RL locomotion policy。
• Terrain or disturbance test。

验收标准：

• 能在平地或简单地形上保持运动。
• 能解释 center of mass、support polygon、contact switch 的直觉。
• 能记录失败：打滑、脚落点错误、姿态失稳、sim-to-real 假设不成立。

Lab 09: Multi-Robot / Swarm Project

目标：理解多机器人系统中的任务分配、路径冲突和通信约束。

系统模块：

• Multiple simulated robots。
• Task allocation: auction, greedy, or optimization。
• Multi-agent path finding: CBS, prioritized planning, or ORCA。
• Communication model。
• Fleet-level metrics。

验收标准：

• 多个机器人能完成一组任务。
• 能处理至少一种路径冲突。
• 能报告 makespan、碰撞次数、通信负载或任务完成率。

Lab 10: HRI / Shared Autonomy Project

目标：理解机器人如何在人类输入和自主控制之间分工。

系统模块：

• Human command: joystick, click goal, language-like command, or scripted input。
• Intent inference or goal selection。
• Autonomous assistance: obstacle avoidance, grasp refinement, safety filtering。
• User-visible state and recovery。

验收标准：

• 人类给出粗粒度意图，机器人自动补全低层动作。
• 能说明哪些动作由人决定，哪些动作由机器人决定。
• 能记录失败：意图误判、过度自动化、行为不可预测、安全边界不清。

Lab 11: Soft / Tactile / Contact-Rich Project

目标：理解触觉、柔顺结构和接触丰富任务为什么难。

系统模块：

• Soft gripper, tactile signal, or simulated contact task。
• Contact state representation。
• Force / impedance control or learned local policy。
• Failure logging: slip, jam, excessive force。

验收标准：

• 能完成一个接触相关任务，例如插入、柔顺抓取、滑动检测或线缆/布料简化操作。
• 能解释 tactile / force 信息如何改变控制策略。
• 能记录至少三种接触失败。

Lab 12: Field / Agriculture / Inspection Project

目标：理解野外和巡检机器人关心的不只是“到达目标”，还包括覆盖率、能耗、鲁棒性和长期运行。

系统模块：

• Terrain or inspection map。
• Coverage planning。
• Traversability estimation or risk cost。
• Localization degradation scenario。
• Mission log。

验收标准：

• 能生成覆盖路径或巡检路线。
• 能解释地形、能耗、通信和定位退化如何影响策略。
• 能报告 coverage、path length、energy proxy、missed area 或 stuck cases。

Lab 13: Robot Learning Project

目标：理解学习方法如何接入真实机器人闭环，而不是只训练一个模型。

系统模块：

• Demonstration or simulated dataset。
• Policy: behavior cloning, diffusion policy, RL, or residual policy。
• Safety filter or classical controller wrapper。
• Evaluation under distribution shift。

验收标准：

• 能完成一个局部技能，例如 pushing、reaching、grasping、door opening 的简化版。
• 能说明 policy 的输入输出表示。
• 能记录泛化失败、数据覆盖不足、安全过滤触发案例。

Portfolio README 模板

# Project Name

## Goal

## Platform / Embodiment

## Environment and Task

## Why This Matters

## System Diagram

## Modules

## How to Run

## Results

## Failure Cases

## What I Learned

## Next Steps