坐标系 / 几何 / 运动学
下一步不是多收藏资料,而是补一个可验证短板
先补 SE(3)、Jacobian、IK 和 trajectory generation,再做一个刚体变换或机械臂运动小实验。
Knowledge Map
先看全域,再看闭环。这里是全站中枢,用五个轴看领域宽度,用系统层级找到下一步。
Stuck Diagnostic
先说清问题属于闭环哪一层,再选择路线、资源或项目。这个组件只做分流,不要求你一次读完所有材料。
坐标系 / 几何 / 运动学
先补 SE(3)、Jacobian、IK 和 trajectory generation,再做一个刚体变换或机械臂运动小实验。
状态估计 / SLAM 不稳
把 perception output、state estimate、map 和 belief 分清,再用 Kalman filter 或 SLAM 漂移案例验证。
路径 / 运动 / 操作接不上
先区分 path planning、motion planning、trajectory optimization 和 task planning,再做 A* / RRT 或 pick-and-place。
轨迹能画但机器人跟不住
重点看 feedback、stability、delay、saturation 和扰动,用曲线解释 overshoot 与 settling time。
ROS / 仿真 / 日志跑不通
先检查 TF、timestamp、topic rate、bag、launch 和安全 fallback,把系统问题写成 debug checklist。
看 VLA / humanoid 论文没判断框架
用 data、action representation、real robot validation、safety、deployment 五个问题判断价值。
Five-Axis Map
闭环解释机器人怎么工作;五个轴解释一个方向为什么困难。看到课程、项目或论文时,先把它放回这张坐标系。
轮式、机械臂、无人机、腿足、人形、软体和水下机器人对应不同动力学、接触方式和控制难点。
工厂、仓库、家庭、医院、农田、矿山和灾害现场的开放程度不同,决定感知和安全要求。
servo、trajectory、motion、skill、task、mission 分别对应不同算法接口和运行频率。
自由空间运动、刚体接触、柔顺接触、触觉和形变物体会改变规划与控制的边界。
state、belief、map、cost、trajectory、policy、controller 和 safety constraint 是系统真正传递的东西。
System Layers
如果你不知道该先学控制还是 SLAM,先看当前项目失败在哪一层。问题属于哪一层,资源和项目就从哪一层开始。
处理传感器噪声、坐标系、状态不确定性和地图表示。
目标先变成路径、运动或轨迹,再进入控制器和真实系统。
控制、动力学、执行器、延迟、摩擦和接触决定计划是否真的能落地。
Robot learning 解决难建模和泛化;系统工程决定实时性、日志、安全和恢复。
Track Selector
不要先问哪个方向热门。先问机器人是什么身体、在哪里工作、要完成什么任务,再决定补哪些短板。
Mobile
环境较结构化、目标是移动到位置。先补 localization、costmap、global/local planner 和 recovery。
打开 Navigation Stack 模板Manipulation
目标是和物体接触。先补 pose、IK、motion planning、grasping、force / impedance control。
打开 Pick-and-Place 模板UAV
身体高速、约束强。先补 VIO、minimum snap、SE(3) control、MPC 和安全降级。
打开 UAV Tracking 模板Legged / Humanoid
核心是接触和全身动力学。先补 contact、centroidal dynamics、whole-body control 和 sim-to-real。
打开 Locomotion 模板Robot Learning
适合 AI/CS 背景,但要补动作表示、数据采集、真实验证、safety filter 和失败复盘。
打开 Imitation / Diffusion 模板