# 认知基座

> 欢迎来到具身智能的世界！无论你是学生、研究员，还是工程师，这个板块旨在为你提供清晰的学习路径和核心概念参考。

- [📚 推荐书籍](#recommended-books)
- [🎓 在线课程](#online-courses)

<a id="recommended-books" name="recommended-books"></a>

## 推荐书籍

从经典理论到前沿实践，以下书籍是构建知识体系的基石：

<a id="books-table" name="books-table"></a>
| 书名                                                         | 作者                          | 简介                                                         | 推荐理由                                       |
| :----------------------------------------------------------- | :---------------------------- | :----------------------------------------------------------- | :--------------------------------------------- |
| **《机器人学导论》** | John J. Craig                 | 机器人学经典教材，涵盖空间描述、运动学、动力学、轨迹规划等。 | 理解机器人底层几何与运动关系的必读书。         |
| **《现代机器人学》** | Kevin M. Lynch, Frank C. Park | 从旋量理论出发，系统阐述机器人运动学、动力学与控制。         | 比传统教材更现代，适合对数学推导感兴趣的读者。 |
| **《强化学习（第2版）》** | Richard S. Sutton             | 强化学习领域的圣经，包含基础算法到深度强化学习的完整理论。   | 掌握智能体通过交互学习决策的核心范式。         |
| **《深度学习》** | Ian Goodfellow             | 深度学习领域奠基性著作，涵盖基础理论和主流模型。             | 构建视觉、语言等感知模块的必备知识。           |
| **《计算机视觉：模型、学习和推理》** | Simon J.D. Prince             | 系统介绍计算机视觉的概率模型与机器学习方法。                 | 为具身智能处理视觉输入提供扎实的数学基础。     |
| **《Probabilistic Robotics》** | Sebastian Thrun | 详细阐述机器人定位、地图构建（SLAM）等核心问题的概率方法。   | 处理真实世界不确定性的关键技术参考。           |
| **《视觉SLAM十四讲》** | 高翔、张涛等                  | 从三维几何、优化到视觉里程计、回环检测与后端优化的中文实战教材。 | 面向中文读者最实用的 SLAM 入门桥梁之一。       |
| **《Human-Robot Interaction: An Introduction》** | Christoph Bartneck    | 人机交互领域的系统导论，涵盖伦理、认知和社会维度。           | 理解机器人如何与人协作，是应用落地的关键。     |
| **《Mechanics of Robotic Manipulation》** | Matthew T. Mason              | 深入探讨机器人操作力学的经典著作。                           | 聚焦“操作”这一核心技能，适合深入研究者。       |
| **《Robotics, Vision and Control》** | Peter Corke                   | 以MATLAB/Simulink为工具，融合机器人学、计算机视觉与控制。    | 附有大量代码示例，适合快速原型验证。           |
| **《Springer Handbook of Robotics》** | Bruno Siciliano, Oussama Khatib | 机器人学百科全书式手册，覆盖机构、感知、规划、控制、人机交互与应用。 | 适合建立全景地图，也适合做专题时查标准参考。   |
| **《Rigid Body Dynamics Algorithms》** | Roy Featherstone              | 系统讲解刚体动力学算法、空间向量表示与高效动力学计算。       | 补齐腿足、人形、操作器控制背后的动力学算法主线。 |
| **《Planning Algorithms》** | Steven M. LaValle             | 系统覆盖离散规划、运动规划、规划不确定性与微分约束规划。     | 补齐具身智能里最容易被忽略的“规划方法论”主线。 |
| **《Algorithms for Decision Making》** | Mykel J. Kochenderfer      | 从概率推断到序列决策、POMDP、RL 与多智能体决策的统一教材。   | 适合把感知不确定性、控制与学习放到同一框架里看。 |

> 💡 **小贴士**：不需要全部读完！建议先选定一本书打基础（如《现代机器人学》），其他作为工具书按需查阅。

---

<a id="online-courses" name="online-courses"></a>

## 在线课程

顶尖大学的公开课和在线平台是快速入门的最佳途径：

<a id="courses-table" name="courses-table"></a>

| 课程名称                                      | 机构/讲师                             | 内容简介                                                     | 链接                                                         |
| :-------------------------------------------- | :------------------------------------ | :----------------------------------------------------------- | :----------------------------------------------------------- |
| **CS223A: Introduction to Robotics** | 斯坦福大学 / Oussama Khatib           | 机器人运动学、动力学、控制等核心基础。                       | [课程主页](https://see.stanford.edu/Course/CS223A)           |
| **CS285: Deep Reinforcement Learning** | UC Berkeley / Sergey Levine           | 深度强化学习前沿，涵盖算法到元学习、多智能体。               | [课程主页](https://rail.eecs.berkeley.edu/deeprlcourse/) [YouTube](https://www.youtube.com/playlist?list=PL_iWQOsE6TfVYGEGiAOMaOzzv41Jfm_Ps) |
| **CS224R: Deep Reinforcement Learning** | 斯坦福大学 / Chelsea Finn             | 扎实讲解现代深度强化学习主线，前几讲即可系统建立算法框架，并连接机器人控制与 LLM 后训练。 | [课程主页](https://cs224r.stanford.edu/)  [YouTube](https://www.youtube.com/playlist?list=PLoROMvodv4rPwxE0ONYRa_itZFdaKCylL) |
| **MIT 6.S191: Introduction to Deep Learning** | MIT / Alexander Amini 等              | 深度学习快速入门，含RNN、Transformers、生成模型。            | [课程官网](https://introtodeeplearning.com/)                 |
| **CIS 5800: Machine Perception** | 宾夕法尼亚大学 / Kostas Daniilidis    | 几何视觉、相机模型、SfM、VO、SLAM 等机器感知基础。          | [课程主页](https://sites.google.com/seas.upenn.edu/cis5800fall24/home)  [课程目录](https://advising.cis.upenn.edu/course-dir/) |
| **Introduction to Robotics with Webots** | 科罗拉多大学博尔德分校 / Nikolaus Correll | 用 Python + Webots 搭完整移动操作入门链路。                 | [Coursera专项课程](https://www.coursera.org/specializations/introduction-robotics-webots) |
| **【中文】动手学强化学习** | 上海交大 / 张伟楠、俞勇               | 理论+代码实践，适合入门。                                    | [GitHub](https://github.com/boyu-ai/Hands-on-RL)             |
| **CS188: Introduction to Artificial Intelligence** | UC Berkeley /Dan Klein | 经典的 AI 入门课程，涵盖搜索、知识表示、概率推理与机器学习基础，为后续机器人决策与规划算法奠定理论根基。 | [课程主页](https://inst.eecs.berkeley.edu/~cs188/sp26/) |
| **CS 6758: Deep Learning for Robotics** | 康奈尔大学 / Kuan Fang               | 深度学习在机器人感知与决策中的系统课程，覆盖 sim2real、VLA 与 open-world robotics。 | [课程主页](https://www.cs.cornell.edu/courses/cs6758/2024fa/) |
| **MIT 6.4210: Robotic Manipulation** | MIT / Russ Tedrake                    | 机器人操作专项课程，涵盖感知、规划与控制。                   | [课程主页](https://manipulation.mit.edu/Fall2025/index.html)  [YouTube](https://www.youtube.com/playlist?list=PLkx8KyIQkMfUSDs2hvTWzaq-cxGl8Ha69) |
| **Underactuated Robotics** | MIT / Russ Tedrake                    | 非线性动力学、最优控制与机器人运动生成的系统课程。           | [课程主页](https://underactuated.mit.edu/)                   |
| **CMU 16-745: Optimal Control and Reinforcement Learning** | Carnegie Mellon University / Zachary Manchester | 从动力学、LQR、轨迹优化、MPC 到 RL 的系统课程。              | [课程主页](https://optimalcontrol.ri.cmu.edu/)               |
| **Planning and Decision Making for Autonomous Robots** | ETH Zurich / Emilio Frazzoli          | 规划、安全决策与复杂环境运动生成的系统课程。                 | [课程主页](https://idsc.ethz.ch/education/lectures/PDM4AR.html) |
| **Self-Driving Cars with Duckietown** | ETH Zurich / Duckietown            | 以 Duckietown 平台贯穿感知、规划、控制与部署的自治课程。     | [课程主页](https://duckietown.com/mooc/)               |
| **F1TENTH Course Kit** | F1TENTH 社区                          | 以 1/10 自动驾驶赛车平台贯穿 ROS、SLAM、RRT、Pure Pursuit 与 vision 的实战课程。 | [课程文档](https://f1tenth-coursekit.readthedocs.io/en/stable/index.html) |
| **Robot Learning: From Fundamentals to Foundation Models** | ETH Alexey Gavryushin / Jonas Pai | 从 IL、RL 到 VLA / foundation models 的当前 robot learning 课程。 | [课程主页](https://cvg.ethz.ch/lectures/Robot-Learning/)     |

> 拒绝收藏夹吃灰：具身智能是一门手感科学。看 10 遍《机器人学》不如在 Isaac Gym 或 MuJoCo 仿真里调通一个 PD 控制器。
>
> 善用工具：建议同步阅读本库的「[工具与平台](04-tools.md)」分支，边学理论边跑 Demo。