overview.md

全栈技术域总览

本页不是单纯列方向，而是 Robotics_Notebooks 的技术栈模块入口页。

目标是回答三件事：

1. 机器人全栈大图景大致长什么样
2. 当前主攻主线落在什么位置
3. 每个模块应该从哪些知识页继续往下看

一句话总览

机器人全栈成长主干可以粗略理解为：

数学基础
  ↓
机器人基础
  ↓
动力学 / 最优控制 / 状态估计
  ↓
全身控制 / 运动规划 / 学习控制
  ↓
系统集成 / 仿真 / sim2real / 部署

当前 Robotics_Notebooks 的主线，不是平均铺开，而是：

以人形机器人运动控制为切入口，把控制、优化、学习、sim2real 串成一条可持续扩展的技术栈主干。

当前主攻主线

当前优先主线：

• 运动控制
• 强化学习
• 模仿学习
• 人形机器人

对应当前最核心的一条知识链：

LIP / ZMP
  ↓
Centroidal Dynamics
  ↓
Trajectory Optimization / MPC
  ↓
TSID / WBC
  ↓
State Estimation / System Identification / Sim2Real

这条链不是全部，但它是当前项目最值得先打通的主干。

一级模块总览

1. 数学与基础理论

作用：提供后续控制、优化、学习和建模所依赖的语言与工具。

当前状态：

• 这里在本仓库中还没有系统展开
• 暂时作为上游依赖域存在

关键子域：

• 线性代数
• 微积分 / 常微分方程
• 概率统计
• 数值优化

和当前主线的关系：

• 最优控制、状态估计、MPC、轨迹优化都强依赖这里

2. 机器人动力学与控制主干

作用：这是当前项目最核心的主干模块。

建议从这里进入：

• Optimal Control (OCP)
• LIP / ZMP
• Centroidal Dynamics
• Model Predictive Control (MPC)
• Trajectory Optimization
• TSID
• Whole-Body Control

这个模块解决的问题：

• 机器人怎么建模
• 平衡怎么描述
• 轨迹怎么规划
• 控制怎么落到关节和接触力层

这是当前仓库最成熟的一块。

3. 学习控制与机器人学习

作用：把 RL / IL 接到人形和运动控制主线上。

建议从这里进入：

• Reinforcement Learning
• Imitation Learning
• AI 架构地图（MLP/MoE、CNN/ViT、RNN–Mamba、VAE/GAN/Diffusion/DiT、GNN 与五类策略骨干）
• 人形与腿式策略的网络架构（MLP / AMP / MoE / Diffusion chunk / VLA–WAM 演化与论文 Method 常见披露项）
• Robot Learning Overview
• WBC vs RL

这个模块解决的问题：

• 什么时候该用 model-based control
• 什么时候该用 RL / IL
• 学习方法怎么和传统控制结合

和当前主线的关系：

• 当前重点不是把学习模块独立展开，而是把它接到 locomotion / humanoid control / sim2real 上

4. 状态估计与 sim2real

作用：把“控制器想做什么”和“真实机器人能不能做到”接起来。

建议从这里进入：

• State Estimation
• System Identification
• Sim2Real
• Domain Randomization

这个模块解决的问题：

• 当前真实状态是什么
• 模型参数准不准
• 仿真训练的策略怎么落到真机

这是当前项目里非常关键、但后面还可以继续扩的桥接层。

5. 任务层：Locomotion / Manipulation

作用：把方法和控制框架落到具体机器人任务上。

建议从这里进入：

• Locomotion
• Manipulation

这个模块解决的问题：

• 方法最终服务什么任务
• 不同任务对模型、控制、学习、估计的要求分别是什么

当前状态：

• locomotion 是主攻方向
• manipulation 目前更多是占位与后续扩展方向

6. 路线图与学习执行层

作用：把知识图谱转成成长路线。

建议从这里进入：

• 运动控制主路线
• roadmap/README.md

这个模块解决的问题：

• 现在先学什么
• 下一步学什么
• 当前切入口如何通向更完整的机器人全栈能力

当前状态：

• 已有骨架
• 但执行性仍然不够强，属于下一阶段重点

7. 未来扩展模块

这些模块是未来一定会补，但不是当前第一优先级：

• 感知
• 规划
• ROS2 / Middleware
• 硬件系统
• 部署与测试
• System Integration

它们会决定项目能不能最终走向“真正的机器人全栈”，但当前还不是最该发力的地方。

当前阅读建议

如果你是从“人形机器人运动控制”切入，建议顺序：

1. LIP / ZMP
2. Centroidal Dynamics
3. Trajectory Optimization
4. Model Predictive Control (MPC)
5. TSID
6. Whole-Body Control
7. State Estimation
8. System Identification
9. Sim2Real

如果你是从“学习控制”切入，建议顺序：

1. Robot Learning Overview
2. Reinforcement Learning
3. Imitation Learning
4. WBC vs RL
5. Locomotion
6. Sim2Real

当前结论

这个页面后续的职责，不是继续写泛泛而谈的“全栈很大”。

而是：

持续把模块、依赖关系、知识页入口、成长路线入口组织清楚，让 tech-map/ 真的成为技术栈地图，而不是标题存放处。