6.832 Underactuated Robotics

知识基础

• 线性代数：
  • 对线性代数的强烈，直观的理解将非常有助于您完成这门课程。如果你不记得矩阵的等级是什么，或者如何进行奇异值分解，我们建议你检查你的线性代数。整个机器人世界都有丰富的线性代数 - 你不会后悔投入时间掌握基础知识！
  • 为了了解线性代数，Gilbert Strang的经典课程MIT 18.06的内容和视频讲座过去曾帮助过许多学生。
  • 另一个很好的资源是Sheldon Axler 的教科书“ 线性代数完成”。
• 微分方程（ODEs）
  • 虽然对微分方程的深刻理解只会对你有所帮助，但如果你之前没有完成过一个完整的Diff EQ课程，你可能只需要理解基础知识就可以了。
  • 将在汗学院微分方程内容应该足以让你在班级去-因为你去，你可以学习休息。
• 非线性动力学
  • 虽然不是先决条件，但非常动态的教科书是Steven Strogatz 的教科书“ 非线性动力学与混沌”。
• 用Python编程
  • 如果您对Python有点熟悉但希望了解语法，那么Stanford CS231n的这个教程提供了一个很好的概述。
  • 如果你是Python的绝对初学者，Codecademy提供了一个友好的介绍。
  • 虽然你不需要知道C ++来获得类中的A，但是用于某些赋值的底层软件是用C ++编写的。
• 数学优化
  • 我们将教您如何了解优化，但获得该主题的背景将有助于您加深理解。如果您知道以下内容，那么您就完全可以设置：LP，QP，QCQP，MI-variants，SDP。
  • 建议使用Stephen Boyd的 Convex Optimization视频讲座，以及Boyd和Vandenberghe的参考教科书Convex Optimization。
  • 阅读SOS（平方和）优化也会有所帮助（但我们会教你这个）。
• 机器学习
  • 机器学习的基本背景只能提供帮助。在线有许多很棒的入门课程，Andrew Ng是其中之一。
• 机器人
  • 您不需要任何先前的机器人曝光就能在课堂上取得成功。如果你想开始吸收基本原理（框架变换，操纵器方程等），那么John Craig的机器人技术：力学和控制是一个很好的参考。