1. 入学诊断：先知道自己缺什么
每项 0-2 分。总分低于 7 分先完成 4 周基础补齐；7-10 分可边学 Phase1 边补；11 分以上直接进入主线并用项目倒推学习。
| 维度 | 就业级要求 | 补齐任务 | 站内入口 |
|---|---|---|---|
| 数学基础 | 能解释矩阵变换、概率分布、梯度下降和约束优化 | 手推线性代数、概率统计、凸优化与梯度下降 | Phase1 / Phase1.5 |
| Python/Linux/Git | 能创建环境、运行实验、记录日志、复现实验 | NumPy、Matplotlib、venv/conda、git commit、异常调试 | Python实践 |
| 机器人系统 | 能理解 TF、URDF、关节、传感器和执行器输入输出 | ROS2 node/topic/service/launch、RViz、ros2_control | ROS2基础 |
| AI基础 | 能解释损失函数、过拟合、训练/验证和指标 | PyTorch最小训练循环、分类器、训练曲线 | Phase2 |
| 工程闭环 | 能把“能跑”变成“可评估、可排错、可交付” | 指标表、可视化、Troubleshooting、失败复盘 | 项目1 |
2. 4 周基础补齐计划
为零基础机械设计工程师准备的起跑缓冲区。完成后再进入 48-72 周主线，会少踩非常多“环境/数学/代码”坑。
Week 1 · Python/Linux/Git
交付一个 NumPy 数据处理脚本、一个 Git 仓库、一份环境复现命令。
能独立运行脚本能提交代码Week 2 · 数学最小闭环
手推矩阵乘法、贝叶斯公式、最小二乘和梯度下降，知道公式如何进入控制与训练。
能解释损失优化Week 3 · ROS2 与机器人直觉
跑通 talker/listener、TF 可视化、URDF 小车、RViz 检查坐标系。
能解释 TF 树Week 4 · ML 最小训练闭环
训练一个小分类器，输出训练曲线、混淆矩阵和过拟合判断。
能读懂训练日志3. 全链路路线：从传感器到真实机器人
每个阶段都必须产生可检查产物，而不是只看完课程。下面是最终能力的主链路。
01
数学与 AI 基础线性代数、概率统计、最优化、机器学习、深度学习。
学习02
多模态感知RGB、深度、点云、力觉、触觉、语音与传感器融合。
学习03
传感器标定相机内参、手眼标定、RGB-D/IMU/力觉同步和误差报告。
学习04
机器人建模URDF/Xacro、TF树、惯量、碰撞几何、ros2_control 和仿真校验。
项目05
控制与运动规划FK/IK/Jacobian、PID/阻抗控制、MoveIt2、行为树、任务规划。
学习06
强化学习与模仿学习MDP、DQN/PPO、BC、ACT、Diffusion Policy、遥操作数据采集。
学习07
VLA 模型训练/适配视觉-语言-动作数据格式、action head、动作 token、小规模微调。
学习08
世界模型与 Sim2RealDreamer/TD-MPC、域随机化、系统辨识、持续学习与仿真-真机 gap。
学习09
真实机器人部署边缘推理、延迟优化、日志、急停、限速、回滚、现场排错。
学习10
工业与就业场景Cobot、功能安全、ISO 10218、ISO/TS 15066、风险评估和节拍优化。
学习4. 毕业认证 Rubric：证明你真的会了
最终 Capstone 任务是“从一句话指令到真实机器人执行”。评分不看概念背诵，只看系统是否闭环、指标是否可信、失败是否能排查。
| 等级 | 能力证明 | 必交材料 |
|---|---|---|
| L1 入门 | 能跑通仿真链路，解释每个模块输入输出 | 仿真视频、模块图、基础指标 |
| L2 合格 | 能完成标定、建模、规划、控制和评估闭环 | 标定报告、URDF、MoveIt2 轨迹、控制日志 |
| L3 就业 | 能训练策略并完成 Sim2Real 迁移，有失败恢复 | 数据集、训练曲线、真机测试表、失败复盘 |
| L4 优秀 | 能把 VLA/LLM 任务规划接入真实机器人并考虑安全 | VLA/LLM 计划、行为树、安全验证、可复现部署 |
5. 作品集交付看板
把学习产物持续沉淀到作品集。每个文件夹都对应一个真实岗位会考察的能力点。
感知与建模
calibration/ 标定报告
robot_description/ URDF与TF
perception/ RGB-D与点云结果
控制与规划
control/ FK/IK/Jacobian
planning/ MoveIt2配置
behavior_tree/ 失败恢复
学习与迁移
learning/ 数据集与checkpoint
vla/ 语言-动作适配
sim2real/ gap与消融
部署与答辩
deployment/ 安全清单
report/ 指标与曲线
video/ 演示与失败复盘
6. 岗位能力矩阵
学习路线按岗位倒推：你最终不只是“看过课程”，而是能拿作品证明自己能做哪类工作。
机器人算法工程师
标定、建模、SLAM、MoveIt2、控制、轨迹规划、性能评估。
FK/IKMPC/PID具身智能应用工程师
多模态感知、遥操作数据、VLA/模仿学习、Sim2Real、失败恢复。
VLASim2Real机器人系统集成工程师
ROS2 多节点系统、传感器融合、部署日志、延迟优化、安全回滚。
ROS2部署工业机器人应用工程师
Cobot、功能安全、ISO 10218、ISO/TS 15066、节拍与风险评估。
Cobot安全规范研究助理/算法实习
论文复现、baseline、消融实验、可视化图表和开源项目贡献。
AblationReproduce学习者自检
如果无法用视频、日志、指标表和失败复盘证明能力，就还不能视为毕业。
Evidence-first
替代教材/文献的边界：本站主线必须让学习者能理解、运行、评估和排错；论文与教材用于延伸阅读和追踪前沿，不应成为完成主线任务的前置依赖。若某章仍需要外部资料才能完成实验，应继续扩写该章。