01 / START HERE
不知道从哪开始?先选一个入口。
按目标选入口,比从头读到尾更有效。
02 / LEARNING PATHS
全部路径 →五条路径,按阶段推进。
每条路径拆成多个阶段:学什么、用什么资源、做出什么算过关。
PATH 01
AI 基础入门
先建立正确的地图,再开始动手
零基础2–4 周(每天 1–2 小时)Python大模型零基础
PATH 02
机器学习与深度学习
从会调到会解释:把训练变成可复现的工程
进阶(需要 Python 基础)6–10 周(工作日每天 2 小时 + 周末整块实验)PyTorch机器学习深度学习
PATH 03
大模型与 Agent
把模型当操作系统:提示、工具、记忆、评测四件套
中级(会 Python、用过 API)4–8 周(每天 1.5–2 小时)LLMAgentRAG
PATH 04
机器人 / ROS 2
从命令行到真机:把机器人系统真正跑起来
中高级(会编程、能装 Ubuntu)6–10 周(每天 2 小时 + 周末做仿真)ROS 2Linux仿真
PATH 05
具身智能 / 前沿
让模型拥有身体:从策略学习到 VLA 复现
高级(研究向)持续学习(建议先打底 12 周,之后长期跟踪)具身智能强化学习VLA
03 / ARTICLES
全部文章 →最新文章与教程。
概念、方法、代码与避坑,每篇给出可执行步骤和可查证来源。
VLA 模型:视觉-语言-动作模型到底在解决什么问题
讲清 VLA 要解决的泛化问题、token/动作块/连续生成三种动作表示、预训练与后训练路线,以及长程任务、精度与安全上的现实边界。
2026-11-21阅读 →
Transformer 结构详解:注意力、多头、位置编码与残差
拆开 Transformer:自注意力里 Q/K/V 的分工、缩放点积的原因、多头如何并行看不同子空间、位置编码与残差和层归一化如何让深网络可训练,附结构对照与常见坑。
2026-11-21阅读 →
工具调用与 MCP:让模型安全地操作外部系统
模型不会真的调用工具,它只生成调用意图,执行权在你的代码里。本文讲清工具调用的机制、工具设计与 MCP 的定位,给出可运行的最小示例,并用最小权限、人工确认和出口控制划出安全边界。
2026-11-21阅读 →
SLAM 与 Nav2:让机器人在未知环境里建图、定位、导航
用 Jazzy 与 Nav2 官方仿真走完建图、保存、定位、导航全流程,讲清 map→odom→base_link 的 TF 分工,并对照仿真与真机的差别、排障顺序与项目清单。
2026-11-21阅读 →
Sim2Real:仿真里练会的,为什么到真机就崩
从动力学差距与分布差距拆解 reality gap,讲系统辨识、域随机化、教师-学生的做法,给出阶跃拟合代码、部署顺序与常见坑。
2026-11-21阅读 →
URDF 与 Gazebo:把机器人模型放进仿真世界
先讲清 URDF 的坐标树与惯量,再手写两轮底盘、挂差速插件与传感器,用 ros_gz 桥接进 Gazebo Harmonic 跑通,附命令、常见坑与验收清单。
2026-11-21阅读 →
04 / TOPICS
全部专题 →按专题建立知识地图。
每个专题包含导览、核心问题、精选资源与相关文章。
05 / KNOWLEDGE BASE
资料都整理好了,直接查。
一起学,比一个人快一点。
加微信加入学习群:每周更新提醒、路径答疑、资源分享。免费,不刷屏。