本文讲述了如何把第一期的机械臂理论搬进 MoveIt2：从安装部署、跑通官方 RViz 快速入门 demo 开始，逐层拆解 move_group 的核心架构（URDF/SRDF、规划场景、规划管线、ros2_control 控制器、TF），再透过 MoveGroupInterface 看懂"设目标 → 规划 → 执行"的完整闭环，最后亲手写出第一个 MoveIt2 C++ 节点。

本文讲述了机械臂怎么动起来：从关节空间的三种轨迹规划（三次多项式、梯形速度、S 曲线）到笛卡尔空间直线插值，从串级 PID、计算力矩到阻抗/导纳控制，最后用一张全链路图把第 1-8 章拼成完整的规划 → 执行 → 反馈闭环

本文讲述了机械臂从物理结构到数学模型的完整建模过程：先认识连杆、关节与自由度，用位置 + 姿态表示末端位姿，再通过 DH 参数与正逆运动学让机械臂"算得出位置"，用雅可比与奇异位形让机械臂"看得清速度与死穴"，最后建立包含惯性、科氏力、重力的完整动力学方程

本文讲述了 SCAN-Planner 如何用双圆柱取代单球膨胀解决四足机器人的空间碰撞感知难题，从滑动窗口占据栅格地图的计数式概率更新、射光线融合到圆柱膨胀，再到 min-snap 全局路由的生成与从全局路径取局部目标点、连初始轨迹，把「撞没撞」的地基一步搭到第 5 章。

本期我们探讨了非线性空间下状态估计的方法，包括：扩展卡尔曼滤波、无迹卡尔曼滤和粒子滤波的原理推导和基础python实现。

本文讲述了 PCT-Planner 如何把先验三维点云「断层扫描」成多层 2.5D 可通行地图,再在其上做多层 A* 搜索 + GPMP2 轨迹优化,从而让足式机器人在楼梯、多楼层这类三维结构里,规划出一条平滑、可跨越台阶、可执行的全局路径。

本期我们讲解了 Asymmetric Actor-Critic 的原理、RolloutStorage 的数据存储与 GAE Advantage 计算、以及 VecEnv 并行环境管理，完整梳理了 PPO 训练流程中的数据采集与 mini-batch 生成。

本文以通俗易懂的方式介绍现代控制理论基础，同时介绍并简单推导卡尔曼滤波的公式，同时使用python代码实现一个简单的卡尔曼滤波。

本期主要解析了 rsl_rl`仓库中 ActorCritic与 ActorCriticRecurrent的 Python 实现，回顾了 Actor-Critic 的核心原理，重点讲解了 ActorCriticRecurrent 引入 RNN/Memory 模块以增强网络对历史信息的记忆能力，区分了训练和推理模式下隐藏状态的处理，并对网络构建、动作采样、价值评估等函数实现进行了详细剖析，为理解复杂机

本期我们对 `rsl_rl` 仓库中 PPO 算法的 Python 实现进行了全面解析：从初始化超参数、经验回放缓存、动作采样、环境反馈处理，到优势函数计算与策略更新的完整流程。核心机制包括概率比率裁剪 (`clip`)、GAE 优势估计、价值函数裁剪、防止梯度爆炸、以及可选的自适应学习率和 KL 控制，最终通过组合策略损失、价值损失和策略熵形成完整优化目标，实现对四足机器人稳定且高效的强化学习训