内容安排

从聊天机器人、扫地机器人、机械臂、无人机和自动驾驶等例子出发，理解机器人和普通 AI 软件的差别。机器人不仅要“理解”，还要通过身体感知世界、做出动作，并在真实环境中承担安全和可靠性约束。

• MIT 6.4210/6.4212 Robotic Manipulation
• CMU 16-831 Introduction to Robot Learning

理解机器人为什么有不同形态：轮式机器人、机械臂、人形机器人、无人机和无人车分别适合什么任务。课堂关注自由度、关节、连杆、底盘、夹爪和执行器这些概念如何影响机器人的行动能力。

• Stanford CS223A Introduction to Robotics
• MIT 6.832 Underactuated Robotics

理解机器人如何通过相机、深度相机、激光雷达、IMU、力觉和触觉传感器获得环境信息。课堂重点讨论：传感器看到的数据为什么不是“世界本身”，识别、检测和融合为什么会出错。

• MIT 6.S058 Introduction to Computer Vision
• MIT 6.4210/6.4212 Robotic Manipulation

从人迷路和机器人迷路的差别出发，理解位姿、定位、地图、里程计、传感器融合和 SLAM 的直观概念。课堂关注误差为什么会累积，地图为什么会过时，环境变化为什么让机器人更难可靠行动。

• Stanford AA174A / CS137A / EE160A Principles of Robot Autonomy I
• CMU 16-833 Robot Localization and Mapping

把“去那里”“拿起它”“绕开障碍”“把东西送过去”拆成机器人可执行的步骤。课堂讨论路径、代价、约束、任务规划和失败恢复，理解一句简单指令背后可能包含多少系统环节。

• CMU 16-782 Planning and Decision-making in Robotics
• Stanford AA174A / CS137A / EE160A Principles of Robot Autonomy I

理解开环、闭环、误差、反馈、速度控制、轨迹跟踪、力控制和急停机制。课堂用直觉解释为什么机器人不能“想到了就直接做”，以及反馈控制如何让动作更稳定、更安全。

• MIT 6.832 Underactuated Robotics
• Stanford CS223A Introduction to Robotics

从“机器人能不能像小孩一样学习”出发，理解模仿学习、强化学习、奖励函数、仿真环境和 Sim2Real 的基本思想。课堂重点是学习方法如何帮助机器人获得动作技能，以及真实世界为什么比仿真更难。

• CMU 16-831 Introduction to Robot Learning
• Stanford CS331B Interactive Simulation for Robot Learning

理解多模态大模型、视觉语言模型、视觉语言动作模型和机器人基础模型的直观概念。课堂讨论自然语言指令如何影响机器人行为，以及“听懂人话”和“真的会干活”之间还差哪些系统能力。

• CMU 11-851 Talking to Robots
• MIT 6.4210/6.4212 Robotic Manipulation

通过工业机器人、仓储机器人、服务机器人、农业机器人、医疗机器人和校园机器人案例，理解机器人落地时要面对的任务边界、成本、可靠性、安全责任和使用场景。

• CMU 16-867 Human Robot Interaction
• Cornell Human-Robot Interaction: Algorithms & Experiments

回顾身体、感知、定位、规划、控制、学习、安全和人机协作。课堂讨论人形机器人、具身智能、机器人基础模型和未来职业，也引导同学思考如何判断一个机器人系统是不是真的有用。

• CMU 16-886 Embodied Artificial Intelligence Safety
• CMU 11-851 Talking to Robots

结合课程大作业中的典型案例，回看机器人系统的整体链条：任务、身体、感知、定位、规划、控制、学习、安全、成本和可靠性如何共同决定一个机器人应用是否可用。课堂可安排典型作业讨论、Panel 或开放问答。