开始之前
需要的基础
- 基础Python和线性代数。
- 了解相机、基础和工具坐标系。
设备 & 运行环境
从支持的模拟任务开始。仅在实验室监督和特定于任务的操作程序的情况下添加真实硬件。
没有固定的完成时间：使用下面的证据门来决定何时推进。资源链接打开botstest目录条目；检查其发布者文档以获取确切的版本和配置。
入门
将问题转化为实验
定义操纵任务以及什么可以算作证据。
理解这一阶段
实验需要成功的操作定义和重置分布。在比较算法之前修复这些问题。
结合例子理解
教学示例 · 由 botstest 编写
在模拟中使用已知的物体和目标区域。说明仅抓握是否算数，或者是否必须在目标中释放物体。使用相同的规则记录失败和中断的尝试。
- 指定初始条件和完成规则。
- 选择简单的支持基线。
- 保存成功和不成功的情节记录。
如果两个研究人员对同一试验的计数不同，则在收集更多结果之前修复方案。
参考依据： 基础抓取与放置。以上示例与步骤为结合参考资料编写的教学内容。
按这个顺序学习
- 初始状态分布和成功定义
- 环境版本和确定性重置
- 观察、行动和控制率约定
参考文章与应用练习
Russ Tedrake · MIT · 课程章节
基础抓取与放置
建议阅读： 在抓取姿势和轨迹示例之前完成变换和运动学。
使用工作示例来连接帧、接近姿势和完整的转移，而不是孤立的手臂运动。
应用练习： 说明基线对物体姿态的假设并使重置过程可重复。
动手实践
- 在模拟中再现简单的操纵基线。
- 写入试验重置并记录成功和失败的事件。
基线协议和小型可检查事件集。
达到这些标准后进入下一阶段
本阶段资源
Build repeatable manipulation tasks in a simulated benchmark environment.
Model physical interactions and test control or learning behavior under explicit simulation assumptions.
Study the mechanics, coordinate frames, kinematics and control foundations relevant to the exercise.
进阶
控制变化和比较方法
改变一个实验因素而不改变评估任务。
理解这一阶段
只有当数据处理和评估条件受到控制时，比较才是可信的。改变方法，同时保留任务契约。
结合例子理解
教学示例 · 由 botstest 编写
比较具有相同保留对象放置和试验预算的两种策略配置。跟踪重置和干预，以便更容易的启动或人工更正不会伪装成算法增益。
- 冻结数据集和预处理版本。
- 保存配置和检查点选择规则。
- 两种方法均使用一名评估者。
如果增益在匹配重置条件之后消失，则原始结果可以反映评估设置。
参考依据： 再现已发表的实验和结果。以上示例与步骤为结合参考资料编写的教学内容。
按这个顺序学习
- 训练/评估分离和试验预算
- 消融和参数扫描
- 相机和机器人校准假设
参考文章与应用练习
robomimic core team · 技术教程
再现已发表的实验和结果
建议阅读： 在尝试发布复制品之前完成链接的训练和结果教程。
使用重现先决条件来区分可比较的实验和松散相似的演示。
应用练习： 保持数据集管道、训练配置和评估条件固定以用于比较。
动手实践
- 比较具有相同保留任务设置的两种方法。
- 记录干预、重置和延迟以及成功。
比较笔记本、配置快照和故障分类。
达到这些标准后进入下一阶段
本阶段资源
Study offline demonstration-learning workflows and controlled policy comparisons.
Inspect a manipulation dataset and its collection conditions before designing training and evaluation splits.
Visualize spatial observations and compare them with model and trajectory outputs.
专业实践
产生可发布的实验制品
使权利要求可追溯至数据、代码和操作条件。
理解这一阶段
研究工件将每个声明与其数据和配置连接起来。释放足够的上下文来重建比较，包括不成功的条件。
结合例子理解
教学示例 · 由 botstest 编写
从报告中选择一个图并将其追溯到试验清单、检查点和环境版本。请同事重新生成它，而不选择未记录的参数。
- 发布分割和协议定义。
- 保留运行标识符和故障类别。
- 结论中分开模拟和物理证据。
没有其处理和评估设置的已发布检查点不是完整的再现包。
参考依据： 交叉验证：评估模型表现。以上示例与步骤为结合参考资料编写的教学内容。
按这个顺序学习
- 不确定性、重复运行和发布元数据
- 模拟对真实的限制
- 数据集权限和可再现环境捕获
参考文章与应用练习
scikit-learn developers · 实践指南
交叉验证：评估模型表现
建议阅读： 阅读保留的评估讨论和适合您的数据依赖性的分割策略。
使用依赖性感知分割来保护保留的证据免受训练和调整决策的影响。
应用练习： 发布保留条件定义并解释为什么相关试验不会跨分割泄漏。
动手实践
- 准备具有精确依赖性的干净的重新运行包。
- 如果转移到硬件，记录差异和监督验收测试。
实验包、限制部分和再现性检查表。
达到这些标准后进入下一阶段
本阶段资源
Investigate a force-sensitive manipulation platform and confirm the exact research interfaces and configuration.
Compare an arm research platform against the task, tooling and software interfaces you need.
Explore how manipulation policies are evaluated; separate benchmark evidence from deployment claims.
常见误区
- 在方法之间改变对象位置或试验计数。
- 无需总尝试就报告成功的视频。
下一步怎么走
扩展到模仿学习、VLA评估或接触感测，同时保持相同的再现性契约。
探索其他 科研 条路线 →