同一章内容按“先看懂、再跑通、能复现、可答辩”推进。机械工程师转行不需要一次吃完整本教材，但每一步都要留下可验证证据。
先理解输入、输出、核心公式和机器人任务中的位置，避免被术语压住。
验收：能口头解释给别人听用站内实验拖参数、看曲线、改代码，快速建立“参数变化导致结果变化”的直觉。
验收：完成 1 个挑战并生成报告迁移到 Python、ROS2、MoveIt2、仿真器或项目模板，记录命令、指标、截图和失败案例。
验收：可复现项目证据阅读论文或源码，做 baseline、消融、指标对比和边界分析，把学习成果变成面试项目表达。
验收：能回答深问和失败复盘根据入学诊断、阶段进度、实验完成度、项目完成度和错题本，自动生成下一步学习建议。
从“我现在缺什么”到“我能交付什么”，把入学诊断、主线学习、站内实验、工程工作簿和毕业认证串成一条可执行路径。
按数学、Python、Linux/Git、机械机器人、ROS2、AI 六个维度自评，生成 4 周基础补齐计划，避免一上来就被术语淹没。
开始诊断 Step 1 · 学习操作系统把阶段学习、项目实践、实验报告、技能证据和复盘节奏集中管理，适合按 48-72 周路线长期推进。
打开总控台 Step 2 · 站内运行在网页内运行 19 个原理实验：梯度下降、坐标变换、机械臂、Kalman、ICP、PID、ROS 拓扑、数字孪生、Web 虚实同步、A*、行为树、VLA、Sim2Real 和 Cobot 安全。
运行实验 Step 3 · 工程工作簿每个实验要求记录命令、指标、曲线、失败案例、Troubleshooting 和扩展挑战，让学习成果能沉淀成作品集。
打开工作簿 Step 4 · 毕业认证以传感器标定、建模、感知、MoveIt2、控制、模仿学习/VLA、Sim2Real 和真机部署作为最终验收证据。
查看毕业标准 Step 5 · 作品集项目选择感知、控制、VLA、世界模型或工业部署项目，完成指标、可视化、失败复盘和项目评分 Rubric。
选择项目 Step 6 · 学习支持补齐学习网站必备的周计划、自测标准、卡住处理、面试表达和可访问性支持，减少枯燥感和放弃率。
打开支持中心验收标准：学习者不只“看懂章节”，还要能用实验指标、可视化结果、项目报告和毕业作品证明自己具备具身智能工程能力。
数学基础 → AI基础 → 感知 → 机器人软件系统 → 控制与规划 → 强化学习 → 模仿学习 → VLA → 世界模型 → 真实部署 → 灵巧操作 → 人形机器人 → 工业场景
基础层 → 感知层 → 机器人系统层 → 决策与控制层 → 具身智能高级层 → 行业应用层
每个阶段的前置条件一目了然——箭头表示"必须先学"
完整的能力清单——点击开始学习，追踪你的成长路径
把分散在论文、教材、开源项目里的关键学习入口聚合到本站，减少“学着学着跳走”的断点。
勾选已完成的阶段，进度自动保存到浏览器本地存储
从仿真到真实，从传统机器人到VLA/世界模型/人形机器人基础模型——每个项目都有代码、实验评估、排错和扩展挑战
A*+RRT*路径规划，对比不同算法性能
GraspNet+MoveIt2，端到端抓取Pipeline
DH参数法正逆运动学，雅可比与奇异性
Nav2+Camera+LiDAR SLAM全栈导航
ICP+FPFH配准，6D物体位姿估计
ACT/Diffusion Policy，遥操作数据采集
URDF/Xacro建模，Gazebo仿真验证
张正友标定法，手眼标定AX=XB
RRT*+碰撞检测，3D环境路径规划
LLM分解自然语言→技能序列→机器人执行
VLA数据格式、动作头、LoRA适配、仿真回放和失败分析
遥操作采集、时间同步、质检、回放和数据版本管理
预测未来状态、动作后果和失败风险的World Action Model实验
GR00T/Isaac风格合成数据、全身控制接口和安全评估
部署后失败挖掘、主动学习、回归测试和安全发布门禁