学习路径

总时长约 14 周（每周 6~8 小时），可按背景压缩或拉伸。每个阶段配"读 + 做"两类动作；站点首页进度条与知识地图会记录你的完成状态。

阶段 0 · 入门（第 1~2 周）：建立全局心智模型

目标：能用 5 分钟向外行讲清"具身智能是什么、为什么难、现在为什么火"。

• 精读：kp-001 什么是具身智能、kp-002 具身智能与非具身 AI 的分野、kp-003 感知-决策-行动闭环
• 泛读：kp-004 发展史、kp-005 形态谱系
• 动手：
• 看 3 个代表性演示并指出"感知/决策/行动"分别在哪：RT-2（2023）、π0 叠衣服（2024）、Figure Helix 物流分拣（2025）。
• 安装 MuJoCo，跑通内置 Humanoid 示例，感受物理仿真长什么样。

通过标准：能画出闭环框图并标注各层典型频率；能说出 Moravec 悖论。

阶段 1 · 核心机制（第 3~7 周）：感知与控制两条主线

目标：理解一台机器人"看得见、站得稳、抓得住"背后的经典机制，能读参数手册与论文中的系统描述。

• 感知线（3 周）：kp-101 → kp-102 → kp-103 → kp-104 → kp-105
• 控制线（2 周）：kp-201 → kp-202 → kp-203 → kp-205
• 按需精读：做腿足方向补 kp-204；做机械臂方向直接跳到阶段 2。

动手项目（二选一）：

1. 用 roboticstoolbox-python 或 MuJoCo 求解 6 轴机械臂逆运动学，画工作空间；实现一个简单 RRT 避障规划。
2. 跑通 ROS 2 + Nav2 的 TurtleBot3 仿真导航，理解 costmap 与全局/局部规划器分工。

通过标准：能解释"为什么接触任务不能只用位置控制"；能讲出 SLAM 的回环检测作用。

阶段 2 · 学习范式（第 8~11 周）：当前主流方法栈

目标：掌握模仿学习与 RL 两条训练路线，能读懂 2023~2025 代表论文并复现小实验。

• 顺序精读：kp-301 模仿学习 → kp-303 Diffusion Policy → kp-304 ACT 与 ALOHA → kp-302 深度 RL → kp-206 RL 运动控制
• 进阶选读：kp-305 VLA、kp-306 世界模型、kp-307 LLM 任务规划

动手项目（强烈建议至少做一个）：

1. 数据 + 模仿学习全流程：买/借一个 SO-100 或用仿真，用 LeRobot 采集 50~100 条遥操作演示，训练 ACT 或 Diffusion Policy，部署回真机/仿真，记录成功率与失败模式。
2. RL locomotion：用 Isaac Lab 或 legged-gym 训练四足速度跟踪策略，做域随机化，观察 Sim2Real 差距（有真机则迁移）。

通过标准：能解释协变量偏移与 DAgger 的关系；能说出 Diffusion Policy 相对 MSE 回归的优势。

阶段 3 · 数据、系统与前沿（第 12~14 周起，长期）

目标：建立"数据是护城河"的系统观，跟踪前沿并形成自己的判断。

• 数据与评估：kp-401 仿真平台 → kp-402 Sim2Real → kp-403 遥操作采集 → kp-404 开源数据集 → kp-405 评估基准 → kp-406 数据飞轮
• 系统工程：kp-501 → kp-502 → kp-503 → kp-504
• 前沿与展望：kp-601 → kp-602 → kp-603 → kp-604

长期习惯：订阅 CoRL/RSS/ICRA 论文列表与 Physical Intelligence、LeRobot、Figure、宇树的发布；每月读 2 篇新论文并更新笔记。

不同背景的捷径

自检里程碑

• [ ] 能画出感知-决策-行动闭环并标注频率分层（阶段 0）
• [ ] 能解释阻抗控制为什么适合接触任务（阶段 1）
• [ ] 完成一次"采集 → 训练 → 部署 → 评估"闭环（阶段 2）
• [ ] 能对任一新款 VLA 模型论文做 10 分钟结构化点评（阶段 3）