本书目录直达

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第1章 机器人建模回顾-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第2章 连续与离散动力学与接触建模-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第3章 优化基础与数值方法-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第4章 视觉感知与三维理解 (一)-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第4章 视觉感知与三维理解 (二)详细推导-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第4章 — 代码实现扩展（工程/可运行 / 深度细节）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第5章 多模态感知与融合（深入数学推导与理论分析）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第6章 触觉与高分辨触觉（GelSight 等）与接触状态估计-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第7章 轨迹规划与碰撞避让 — 原理与深入推导-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第7章 (二) 轨迹规划与碰撞避让：采样式与优化式算法实战-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第 8 章 运动学与动力学的优雅耦合——原理详解-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第9章 全身优化与接触显式轨迹优化（Contact-Implicit TO）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第10章 MPC 与在线重规划（Model Predictive Control）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第11章 强化学习基础与进阶（数学推导与理论分析）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第12章 Sim-to-Real：域随机化、系统识别与自适应（推导与证明）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第13章 高样本效率策略：模仿学习、离线 RL 与混合方法-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第14章 多指手 / 人形手的动力学与控制 — 算法原理推导-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第15章 触觉引导与多接触操控 — 严谨推导与证明-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第16章 双臂协同与人形机体上的物体搬运-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第17章 任务与运动结合规划 (Task and Motion Planning, TAMP)-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】 第18章 以LLM为中枢的机器人高层控制-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第19章 安全控制理论与在线实现：CBF/CLF框架的数学基础与工程化路径-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第20章 形式化验证、测试与仿真基准：自动化测试套件、度量标准与实机验收流程-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第21章 力学与致动器设计的算法影响-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第22章 软件栈与实时体系（ROS2、实时中间件、联邦学习与分布式训练）-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第23章 实验室部署指南：从仿真到物理现实-CSDN博客

【现代人形机器人：从物理建模到大模型驱动的控制与学习】第24章 经典/现代人形与相关项目解读-CSDN博客

第一部分：数学与物理基础

第1章 机器人建模回顾

1. 刚体运动学（位姿、坐标变换、旋量）

2. 多关节机构的正/逆运动学（数值与解析方法）

3. 约束动力学（拉格朗日、牛顿—欧拉、冲击模型）

第2章 连续与离散动力学与接触建模

1. 连续动力学与广义坐标（M(q), C(q, q̇), g(q)）

2. 冲击/接触模型：不光滑动力学、互补性条件（LCP）、摩擦模型

3. 质心/质心动量模型（centroidal dynamics）与降阶模型（单刚体、线性倒立摆）

第3章 优化基础与数值方法

1. 非线性规划（NLP）、二次规划（QP）、序列二次规划（SQP）

2. 直接/间接轨迹优化、直接复合（Direct Collocation / Shooting）

3. 稀疏线性代数、KKT、数值稳定性、求解器（IPOPT、OSQP、HPIPM、FORCES、CasADi）

---

第二部分：感知与环境表示（视觉、触觉、预测）

第4章 视觉感知与三维理解

1. 相机成像与几何（单目/双目/深度/事件相机）

2. 视觉里程计、SLAM 与语义分割简介

3. 端到端感知到动作（像素到低维特征）与预训练视觉模型（ViT/Transformer 在机器人感知中的应用）。——（含最近基于 Transformer 的机器人策略工作示例与讨论）

4. 视觉系统工程：延迟、带宽、滤波与同步

第5章 多模态感知与融合

1. 视觉 + 力觉 + 本体感受（proprioception）融合策略

2. 时序建模（RNN / Temporal Transformer / State-estimator）

3. 语音/语言输入到动作：语义 grounding 与符号化

第6章 触觉与高分辨触觉（GelSight 等）与接触状态估计

1. 光学触觉（GelSight）与力/滑移估计

2. 多点接触/触觉图像处理与深度学习方法

3. 抓取中的接触推断与自监督学习

---

第三部分：运动学、规划与优化（传统 + 学习混合）

第7章 轨迹规划与碰撞避让

1. 采样式（RRT, PRM, CHOMP, STOMP）与优化式（TrajOpt, KOMO）对比

2. 可微分规划与规划求解器实战（使用 MoveIt2/OMPL / TrajOpt）

3. 高维度空间的实用技巧（分层/任务空间规划）

第8章 运动学与动力学的优雅耦合：逆动力学、逆/前向动力学策略

1. 逆动力学求解（控制分配、摩擦/限位处理）

2. 操作空间控制（Operational Space Control）与力/位置混合控制

3. 梯度/雅可比稳定性问题与数值实现

第9章 全身优化与接触显式轨迹优化（Contact-Implicit TO）

1. 接触显式与隐式建模（互补约束、平滑化、互补松弛）

2. 求解器与求解技巧（初值、松弛、模式切换）

3. 案例：从站立到跳跃——全身 TO 实战（含代码样板）

第10章 MPC 与在线重规划（Model Predictive Control）

1. 线性/非线性 MPC 基本概念

2. 质心/质心动量基 MPC 在人形步态中的实际实现与稳定性保证（capture point / stepping）dl.acm.org

3. 实时求解器、分层 MPC、延迟补偿与鲁棒性

4. 实战：把 MPC 部署到中/高自由度人形平台（软件栈、时间预算）

---

第四部分：学习方法（强化学习、模仿学习、微分模拟器）

第11章 强化学习基础与进阶

1. 强化学习（RL）基础（MDP、策略、价值、PPO、SAC、TD3）

2. 结合物理先验的 RL（基于模型的 RL、混合控制学派）

3. 多任务 / 元学习 /快速自适应（RMA）与少样本学习。——（讨论 RMA 在腿式/步态自适应中的成功）arXiv

第12章 Sim-to-Real：域随机化、系统识别与自适应（ADR、RMA 等）

1. 域随机化与自动域随机化（ADR）方法与实践（如何设计随机化空间）matthiasplappert.com

2. 系统辨识、快速自适应模块与在线校正（RMA 示例、上位模块结构）

3. 可微分模拟与基于梯度的策略/参数优化（Brax、DiffTaichi、Isaac Gym）——实操：用 GPU 并行仿真训练策略。arXiv+1

第13章 高样本效率策略：模仿学习、离线 RL 与混合方法

1. 行为克隆、逆强化学习、GAIL

2. 离线 RL 的挑战与实践（数据质量、分布外泛化）

3. 示范引导的在线精调（IBORL 等最近工作讨论）

---

第五部分：操控（Dexterity）、双臂与手眼协同

第14章 多指手/人形手的动力学与控制

1. 多指手模型、接触组合爆炸与子问题分解

2. 手指级低层控制（力/位置控制、独立指控策略）

3. 实验平台与常见商用软硬件（Shadow Hand、Allegro、手指传感器）

第15章 触觉引导与多接触操控

1. 接触模式搜索、切换策略与树搜索/混合规划

2. 结合视觉与触觉的闭环策略

3. 案例：OpenAI Dactyl / Rubik’s Cube 的方法学总结（ADR + RL）与局限性讨论。arXiv

第16章 双臂协同与人形机体上的物体搬运

1. bimanual 操作的任务分解与力分配

2. 大物体搬运、握持与重新定位策略（whole-body loco-manipulation）

---

第六部分：高阶决策（规划、语言接口与通用体）

第17章 任务与运动结合（Task and Motion Planning, TAMP）

1. 符号任务规划与连续运动规划耦合策略

2. 混合离散-连续求解框架（搜索 + 优化）

3. 失败/恢复策略设计

第18章 以 LLM 为中枢的机器人高层控制（SayCan / PaLM-E / RT-1 / Gato 等）

1. LLM 在任务解析与序列化技能选择中的角色（观点、能力、限制）arXiv+2arXiv+2

2. 技能库（pretrained skills）与 LLM 的接口设计（符号/概率/约束）

3. 从指令到动作：示例系统架构（解析器 → 任务规划器 → 技能调度器 → 低层控制）

4. 案例：SayCan、PaLM-E、RT-1 的系统对比与工程挑战

---

第七部分：安全、稳健与验证

第19章 安全控制理论（CBF / CLF / CLF-QPs）与在线

1. Control Barrier Functions（CBF）与 Control Lyapunov Functions（CLF）的基本概念与 QP 实现

2. CBF/CLF 在高维人形机器人上的挑战与可行策略（安全滤波器、分层安全）ames.caltech.edu

3. 将安全约束整合到 RL 与 MPC 中的实用方法

第20章 形式化验证、测试与仿真基准

1. 自动化测试套件、基准任务、度量（鲁棒性、恢复能力、安全裕度）

2. 实机验收测试的工程流程与审计日志

---

第八部分：系统工程、硬件与工程化

第21章 力学与致动器设计的算法影响

1. 有源/被动弹性驱动（SEA/PEA）对控制的影响

2. 力矩控制、带宽、热与能耗分析

3. 机械设计与控制联合优化（co-design）

第22章 软件栈与实时体系（ROS2、实时中间件、联邦学习与分布式训练）

1. ROS2 实战样板（动作接口、行为树、实时节点）

2. 数据记录、审计与安全—工程化要点（日志、回放、再现）

3. 云/边缘训练与实机部署管线（CI/CD、仿真→实机流水线）

第23章 实验室/部署指南

1. 仿真环境构建、传感器标定、延迟测量

2. 实机调参流程与安全上电检查表

3. 成本、供应链与量产注意事项

---

第九部分：案例研究与开源实践

第24章 经典/现代人形与相关项目解读

• Atlas（公开论文/演示的可借鉴算法点）

• TALOS / REEM-C / HRP / Digit / Walker 类平台（如何复用算法）

• 学术到产业：转移失败/成功的真实教训

第25章 端到端工程例子（以一个任务为例：开门+搬运）——完整实现（含代码）

1. 任务分解 → 感知管线 → 技能库 → 高层规划 → MPC/低层控制

2. 仿真训练、域随机化、上实机流程（代码仓库：Python / PyTorch / IsaacGym 或 Brax 示例）

---

第十部分：前沿专题与未来研究方向

第26章 可微分控制与神经微分控制器（Neural ODE / differentiable physics 的前沿）

第27章 通用体（Generalist Agents）与持续学习（Gato / Generalist Agent 思路）

第28章 道德、法律、社会与部署风险（隐私、责任、安全认证）

---

附录（工具箱）

• A. 数学证明与推导（动力学、线性化、KKT 条件等）

• B. 常用库与工具（Pinocchio, Crocoddyl, PinMM, CasADi, Drake, MuJoCo, Brax, Isaac Gym/Isaac Sim）并附安装/快速上手示例

• C. MPC / TO / RL 模板代码（Python + PyTorch / JAX + CasADi + OSQP 示例）

• D. 实验 checklists、数据记录模板、论文阅读清单（按章节列出关键论文）

• E. 推荐教材与进阶读物、开源数据集与 benchmark（包括机器人视频/数据集/benchmark 链接清单）