身体不是零件堆，是一个 持续闭环
机器人的智能来自“感知—决策—执行—再感知”的连续循环。
认识 AI 的 身体
具身智能 · 第二章
不推公式，先建立一张能落地的机器人身体地图：它如何感知、思考、运动，又如何被软件准确描述。
从 规则 到 VLA：决策能力逐层上升
决策策略决定“做什么”
关节只有两种基本动作： 转 与 移
旋转关节改变角度，平移关节改变直线位置
URDF：机器人的 静态结构说明书
URDF 描述静态结构与关节约束
IMU 能短时推算，但会产生 积分漂移
IMU 擅长高频短时运动感知
SECTION 01 / 阅读地图
小节一 · 身体不是零件堆，是一个 持续闭环
小节一 · 身体不是零件堆，是一个 持续闭环
从“身体不是零件堆，是一个 持续闭环”出发，逐页推进到“从 规则 到 VLA：决策能力逐层上升”；每张卡都写明本页应抓住的机制或边界。
身体不是零件堆，是一个 持续闭环
机器人的智能来自“感知—决策—执行—再感知”的连续循环。
机制线索感知看见与感受决策计算下一步
机器人的 五官 各管一件事
传感器没有“万能眼睛”：颜色、距离、姿态、力与角度必须分工采集。
机制线索RGB / RGB-DLiDARIMU力 / 扭矩
从 规则 到 VLA：决策能力逐层上升
决策策略决定“做什么”，计算硬件保证它能在机器人上及时算出来。
机制线索谁来跑这些决策
阅读顺序：身体不是零件堆 → 机器人的 五官 各… → 从 规则 到 VLA
本节按“身体不是零件堆 → 机器人的 五官 各… → 从 规则 到 VLA”推进：先定位问题，再读机制，最后用页面结论校验理解。
VISUAL RECAP
本节场景补充
READ THE SCENE
身体不是零件堆，是一个 持续闭环
传感、计算与执行器必须构成持续闭环，而不是孤立零件。
读图顺序：先看对象和环境，再看它们之间的关系，最后回到本节结论。
图片只用于帮助观察本页关系；课程结论仍以正文和逐字稿为准。
身体不是零件堆，是一个持续闭环
感知
看见与感受- 相机 / LiDAR
- IMU / 力传感器
- 编码器
决策
计算下一步- 规则与 PID
- AI 策略
- 大模型 / VLA
执行
改变物理世界- 电机 / 液压
- 机械臂
- 夹爪 / 工具
环境变化 → 重新感知
机器人的五官各管一件事
感知层
SENSE
SENSE
RGB / RGB-D
颜色 + 深度；识别、三维感知与避障
LiDAR
360° 精确测距；建图与导航
IMU
加速度、角速度与姿态变化
力 / 扭矩
感受外力；精密装配与碰撞检测
编码器
记录每个关节当前转过的角度
从规则到 VLA：决策能力逐层上升
语义理解与泛化能力 ↑
传统控制器预设规则 / PID
AI 模型行为克隆 / 强化学习
大模型 / VLA语言指令 → 动作
SECTION 02 / 阅读地图
小节二 · 把计算结果变成 物理动作
小节二 · 把计算结果变成 物理动作
从“把计算结果变成 物理动作”出发，逐页推进到“同一个位置，要先说清楚 参考谁”；每张卡都写明本页应抓住的机制或边界。
把计算结果变成 物理动作
执行器提供运动，末端执行器负责直接接触并改变环境。
关节只有两种基本动作： 转 与 移
旋转关节改变角度，平移关节改变直线位置；两者组合出机器人的运动链。
机制线索旋转关节平移关节
六轴机械臂为什么是 6 自由度 ？
六个关节角度共同编码末端的三维位置与三维姿态。
机制线索J1J2J3J4
同一个位置，要先说清楚 参考谁
坐标值只有和参考坐标系绑定，才能准确表达“在哪里、朝哪看”。
机制线索WORLDBASEENDCAMERA
阅读顺序：把计算结果变成 物… → 关节只有两种基本动作 → 六轴机械臂为什么是… → … → 同一个位置
本节按“把计算结果变成 物… → 关节只有两种基本动作 → 六轴机械臂为什么是… → … → 同一个位置”推进：先定位问题，再读机制，最后用页面结论校验理解。
VISUAL RECAP
本节场景补充
READ THE SCENE
把计算结果变成 物理动作
关节把控制信号转换为可测量的旋转或平移运动。
读图顺序：先看对象和环境，再看它们之间的关系，最后回到本节结论。
图片只用于帮助观察本页关系；课程结论仍以正文和逐字稿为准。
把计算结果变成物理动作
控制信号
伺服电机精确角度，机械臂主流
步进电机按步转动，简单便宜
液压力量极大
气动速度快、精度较低
末端执行器
夹爪 / 吸盘 / 工具头
夹爪 / 吸盘 / 工具头
关节只有两种基本动作：转与移
旋转关节
REVOLUTE / 像门合页绕轴转动
VS
平移关节
PRISMATIC / 像抽屉沿直线滑动
六轴机械臂为什么是6 自由度？
3 个位置
x / y / z
+x / y / z
3 个姿态
绕三轴旋转
= 绕三轴旋转
6 DoF
自由度越多越灵活，也越难控制。六个独立旋转关节共同确定末端的位置与朝向。
同一个位置，要先说清楚参考谁
世界系：环境固定点，描述绝对位置
基座系：机器人底座中心
末端系：夹爪或工具中心
相机系：相机光心与视线方向
SECTION 03 / 阅读地图
小节三 · URDF：机器人的 静态结构说明书
小节三 · URDF：机器人的 静态结构说明书
从“URDF：机器人的 静态结构说明书”出发，逐页推进到“IMU 能短时推算，但会产生 积分漂移”；每张卡都写明本页应抓住的机制或边界。
URDF：机器人的 静态结构说明书
URDF 描述静态结构与关节约束；实时关节角度和健康状态由运行时数据提供。
机制线索URDF 写什么
RGB-D：给每个像素补上 距离
深度图把二维像素补成三维距离，让抓取、避障与空间理解成为可能。
机制线索深度从哪里来
IMU 能短时推算，但会产生 积分漂移
IMU 擅长高频短时运动感知，长期定位必须依靠多传感器融合校正。
机制线索微小测量误差，经过两次积分会被放大
阅读顺序：URDF → RGB-D → IMU 能短时推算
本节按“URDF → RGB-D → IMU 能短时推算”推进：先定位问题，再读机制，最后用页面结论校验理解。
VISUAL RECAP
本节场景补充
READ THE SCENE
URDF：机器人的 静态结构说明书
URDF 用连杆、关节和坐标关系表达机器人的静态身体结构。
读图顺序：先看对象和环境，再看它们之间的关系，最后回到本节结论。
图片只用于帮助观察本页关系；课程结论仍以正文和逐字稿为准。
URDF：机器人的静态结构说明书
base_link
joint_1
upper_arm
joint_2
end_link
joint_3
sensor_link
joint_4
camera_link
RGB-D：给每个像素补上距离
RGB / COLOR
D / DEPTH
深度从哪里来？
结构光投射已知光斑，看图案如何变形；近距离、室内精度高。
ToF测量光往返时间；较远距离表现好、抗干扰较强。
双目两个摄像头利用视差计算深度；纯被动，室外也可使用。
IMU 能短时推算，但会产生积分漂移
微小测量误差，经过两次积分会被放大
加速度计
陀螺仪
陀螺仪
→
积分得到
速度 / 角度
速度 / 角度
→
再积分估算
位置
位置
解决办法：与 相机 / LiDAR 融合，用外部观测不断纠正漂移；典型应用包括 VIO 与 SLAM。
RECAP // 第二章
把机器人的 身体地图 装进脑中
身体不是零件堆，是一个 持续闭环
机器人的智能来自“感知—决策—执行—再感知”的连续循环。
从 规则 到 VLA：决策能力逐层上升
决策策略决定“做什么”
关节只有两种基本动作： 转 与 移
旋转关节改变角度，平移关节改变直线位置
URDF：机器人的 静态结构说明书
URDF 描述静态结构与关节约束
IMU 能短时推算，但会产生 积分漂移
IMU 擅长高频短时运动感知
单选题：身体地图校准
题目 1 / 8
得分 0 / 8
1. RGB-D 相机相比普通 RGB 相机多获取了什么信息？
正确答案：B。RGB-D 相机中的“D”代表 Depth（深度），它不仅能获取彩色图像（RGB），还能获取每个像素到相机的距离，从而感知三维空间结构。
2. 一个六轴工业机械臂的“六个轴”指的是什么？
正确答案：B。“六轴”指的是 6 个旋转关节（自由度），6 个关节角度组合可以确定末端执行器在三维空间中的任意位置和姿态。这和人手臂的肩关节+肘关节+腕关节共 6 个自由度类似。
3. URDF 文件的核心作用是什么？
正确答案：B。URDF（Unified Robot Description Format）是描述机器人结构的标准化 XML 格式，定义了连杆（link）、关节（joint）、碰撞形状、质量惯性等信息，是仿真软件和控制系统加载机器人模型的基础。
4. 以下哪种传感器最适合测量机械臂关节受到的外力？
正确答案：C。力/扭矩传感器安装在关节或末端执行器上，能精确测量受到的力和力矩，用于碰撞检测、精密装配等需要力反馈的场景。
5. 在机器人坐标系中，“世界坐标系”通常固定在哪里？
正确答案：B。世界坐标系是全局参考系，固定在环境中的某个不动点，用于描述物体在空间中的绝对位置。基座坐标系固定在机器人底座上，末端坐标系在夹爪中心。
6. IMU（惯性测量单元）的“漂移”问题指的是什么？
正确答案：B。IMU 通过积分加速度计算速度、再积分计算位置，微小的测量误差会随时间不断累积（积分漂移），几分钟后定位就可能偏差很大。因此 IMU 通常和相机/激光雷达配合使用来纠正漂移。
7. 末端执行器（End Effector）指的是机器人的哪个部分？
正确答案：C。末端执行器是机器人末端安装的工具，是直接与环境交互的部分，常见有夹爪、吸盘、焊枪等。它就像人的手，是执行具体任务的部件。
8. 以下哪种传感器最适合用于自动驾驶汽车的 360° 环境测距？
正确答案：C。激光雷达通过发射激光束测量周围环境的精确距离，可以 360° 扫描，是自动驾驶和机器人建图导航的核心传感器。
先作答，再查看讲义解析
简答一：三层架构
请简述机器人“感知—决策—执行”三层架构分别对应什么功能，并各举一个具体硬件例子。
先独立组织答案：名称、功能、硬件例子缺一不可。
讲义标准答案
感知层：负责获取环境信息，相当于机器人的“五官”。例如 RGB-D 相机可获取彩色图像和深度信息。
决策层：负责根据感知信息计算应该执行什么动作，相当于机器人的“大脑”。例如运行 AI 模型的工控机或 GPU。
执行层：负责实际执行物理动作，相当于机器人的“肌肉和手”。例如伺服电机驱动机械臂运动，夹爪抓取物体。
三层形成持续闭环：执行后环境变化，重新感知，再决策，再执行。
评分要点：三层名称和功能正确（3 分），各举一个硬件例子（2 分）。
简答二：为什么恰好是六自由度？
什么是自由度（DoF）？为什么六轴机械臂有 6 个自由度？
先回答定义，再解释“3 个位置 + 3 个姿态”的对应关系。
讲义标准答案
自由度（Degrees of Freedom）是指机器人独立可动的关节数量，决定了机器人的灵活程度。
六轴机械臂有 6 个旋转关节，正好对应三维空间中确定一个物体位置和姿态所需的 6 个参数：3 个位置参数（x, y, z 坐标）+ 3 个姿态参数（绕三个轴的旋转角度）。因此 6 个自由度可以让机械臂末端到达三维空间中任意可达位置，并以任意朝向对准目标。
评分要点：定义正确（2 分），解释 6 个自由度对应 3 位置+3姿态（3 分）。
简答三：为什么机器人需要深度？
RGB-D 相机相比普通 RGB 相机有什么优势？在具身智能数据采集中，为什么深度信息很重要？
先说明深度是什么，再至少列出两个重要性原因。
讲义标准答案
RGB-D 相机在普通彩色图像（RGB）之外，还能获取每个像素到相机的距离信息（Depth）。
- 三维空间感知：机器人需要知道物体在三维空间中的精确位置才能去抓取，仅靠 2D 图像无法判断距离。
- 避障导航：深度信息让机器人知道前方障碍物的距离和形状，规划安全路径。
- 场景理解：结合 RGB 和深度，AI 模型能更好地理解场景的三维结构（如物体大小、空间关系）。
- Sim-to-real 迁移：在仿真中渲染的深度图可以和真实深度图对齐，帮助模型从仿真迁移到真实环境。
评分要点：说明深度信息是什么（1 分），至少列出 2 个重要性原因（4 分）。
01 / 19