零基础入学诊断 | 具身智能学习平台

六维能力自评

维度	0 分	1 分	2 分	补齐任务
数学基础	忘记矩阵、导数、概率	能看懂公式但不会推导	能手推线性代数、概率和梯度	矩阵乘法、链式法则、期望方差、梯度下降
Python 编程	只能看代码	能改脚本和调包	能写模块、画图、调试异常	NumPy、Matplotlib、面向对象、文件读写
Linux/Git	不会命令行	会 cd/ls/pip/git clone	会环境隔离、日志、分支	venv/conda、git commit、ssh、日志定位
机械与机器人	熟 CAD 但不懂控制	知道坐标系和电机	理解传感器、执行器、机构误差	TF、URDF、关节、末端执行器直觉
ROS2 工程	没接触过	能运行 demo	能写 node/topic/service/launch	talker/listener、rviz2、ros2_control
AI/机器学习	不了解模型训练	知道训练/验证/损失	能解释梯度、过拟合、指标	线性回归、分类、PyTorch 最小训练循环

按当前真实水平选择，不需要“选好看答案”。系统会给出学习路线、第一周任务和需要优先补齐的短板，并保存到本机浏览器。

完成 6 个维度选择后，将生成你的具身智能转行路线。

0-6

先执行 4 周基础补齐计划，再进入主线。

7-10

可以边学 Phase 1 边补短板，每周至少完成一次站内实验。

11+

可直接进入主线，并用项目工作簿记录每阶段证据。

把结构件、关节限制、碰撞模型和惯量转成机器人描述。

把执行器、传动误差、末端工具设计连接到 FK/IK、Jacobian、PID 和阻抗控制。

把故障定位经验迁移到 ROS2 日志、数据记录、急停、限速和回滚。

理解 Cobot、功能安全、ISO 10218、ISO/TS 15066 和工站节拍。

把工艺步骤拆成行为树、任务规划、技能库和失败恢复策略。

用系统辨识、域随机化、误差复盘弥合仿真与真实机器差距。

周次	学习目标	交付物	进入主线标准
Week 1	Python、Linux、Git	NumPy 数据处理脚本和 Git 仓库	能独立创建环境、运行脚本、提交代码
Week 2	线性代数、概率统计、最优化	矩阵变换、贝叶斯公式、梯度下降推导	能解释损失函数为什么能被优化
Week 3	机器人坐标系与 ROS2	talker/listener、TF 可视化、URDF 小车	能在 RViz 中解释坐标变换和模型结构
Week 4	ML 最小训练闭环	PyTorch 分类器、训练曲线、混淆矩阵	能读懂训练日志并判断是否过拟合

开始线性代数与机器人坐标变换。

用可视化实验建立梯度、控制和规划直觉。

从第一周开始记录实验指标、排错和复盘。