从这里开始：第一小时到专家路线¶

English · 简体中文

这不是一份“把所有文章从头读到尾”的清单。你要循环完成：理解 → 构建 → 破坏 → 测量 → 解释 → 评审。学习时间只是排期参考，只有产物和门禁决定是否晋级。

第一个 30 分钟¶

git clone https://github.com/Dld0621/Embodied-AI-Zero-to-Hero.git
cd Embodied-AI-Zero-to-Hero
python -m pip install numpy
python scripts/run_curriculum.py --validate
python scripts/run_curriculum.py --diagnose --lang zh
python scripts/run_pipeline.py --run simulation-data

你应该得到一份课程合同验证结果、一组证据自测问题和一次合成 Pipeline 输出。它们只能证明入口可执行，不能证明你已经掌握课程或模型具有真实任务能力。

第一个 60 分钟挑战¶

找到 Pipeline 的输入、阶段、指标和输出文件。
改变一个参数并预测结果，再运行验证。
故意制造一个失败，例如错误 Shape、非法范围或缺失字段。
保存命令、环境、随机种子、结果与失败解释。
用实验卡模板写出第一张实验卡。

如果你只会复制命令，却不能解释输入输出、预测改变或定位失败，请从 M00 开始。

用证据定位起点¶

运行：

python scripts/run_curriculum.py --diagnose --lang zh

对每个模块只回答一个问题：我能否展示要求的产物，并让另一个人按门禁复核？

“上过这门课”“看过论文”“代码跑过”都不是通过证据。
没有证据时标记 not_started 或 in_progress，不要凭背景自动跳级。
已有经验的人可以跳过学习材料，但不能跳过验收。

按背景选择第一重点¶

背景	先保留的能力	最容易漏掉的部分	建议起点
完全新手	能运行 Python，理解数组 Shape	环境、单位、坐标系、实验记录	M00
机械/控制	运动学、动力学、控制直觉	Python、数据契约、学习评估	M00 诊断后进入 M05–M07
CS/ML	编程、训练与模型实现	坐标系、接触、闭环控制、安全	M02–M04
机器人研发	系统集成、仿真或真机经验	匹配基线、泄漏、消融和不确定性	M05、M11

生成你的路线¶

查看目标：

python scripts/run_curriculum.py --list-goals --lang zh

以每周 8 小时生成全栈路线：

python scripts/run_curriculum.py \
  --plan full-stack-expert \
  --hours-per-week 8 \
  --lang zh

如果 M00、M01 已有通过证据，可只用于排期地标记：

python scripts/run_curriculum.py \
  --plan full-stack-expert \
  --completed M00,M01 \
  --hours-per-week 8 \
  --lang zh

--completed 不验证证据。正式记录应初始化为：

python scripts/run_curriculum.py \
  --init-progress learner/progress.json \
  --goal full-stack-expert \
  --learner your-name

模块标记为 passed 时，必须填写实际存在的证据、评审者和评审日期。检查记录：

python scripts/run_curriculum.py \
  --report-progress learner/progress.json \
  --lang zh

每个模块的工作循环¶

诊断：确认前置节点与已知缺口。
学习：阅读主文档并亲手完成推导或代码。
构建：产生模块要求的最小产物。
破坏：至少注入一个故障、扰动或反事实条件。
测量：保存原始指标、配置、日志与失败案例。
解释：区分模型、数据、接口、控制与任务定义问题。
评审：按统一评估规范决定通过、返工或停止。

从“小白”到“专家”意味着什么¶

阶段	你必须证明的能力
L0	别人能够复现你的实验，你能修复一个故意制造的错误
L1	你能推导并数值验证公式，识别坐标系和数值陷阱
L2	你能让感知—状态—控制—仿真形成有边界闭环并定位故障
L3	你能构建数据、策略、RL、世界模型和规划基线，区分离线与闭环指标
L4	你能端到端负责一类任务，处理扰动、恢复与分阶段失败
L5	你能独立复现基线、提出可证伪假设、完成受控对比并通过独立评审

专家不是“读完全部文档”，也不是“训练 Loss 下降”。专家级毕业要求见三级 Capstone。

卡住时怎么做¶

环境失败：查看环境排错，保留第一条错误而不是盲目重装。
不知道缺哪个概念：运行 python scripts/run_knowledge_map.py --path-to <node> --lang zh。
系统能跑但任务失败：按阶段记录误差，不要直接扩大模型或重新训练。
想上真机：先完成 Sim-to-Real 与安全门禁；仿真通过不等于获得真机授权。