企业官网建设流程全解析

最近只要你稍微刷一下科技新闻，肯定绕不开一个词：具身智能。从“能聊天的AI”到“能干活的AI”，具身智能正在成为人工智能下一个讨论度最高的方向，也是很多想转型、想入行的朋友盯上的目标。但要真问一句“具身智能到底是什么”，大多数人都答不上来，甚至不少从业者也只停留在“机器人+大模型”的表面理解上。

这篇文章就是我根据自己的学习和实操经验，写给完全零基础读者的入门科普。我会用大白话把具身智能是什么、为什么现在这么火、里面有哪几个关键技术环节、想在真实机械臂上做一套基础Demo需要哪些硬件和数据，一条条讲清楚。不管你是写代码的、搞机械的、做产品的，还是纯粹好奇的围观群众，这篇都能帮你建立起一个不虚不飘、能落地到项目和实验里的认知框架。

1. 从“能聊天的AI”到“能干活的AI”：具身智能到底是个啥

1.1 一个最直白的理解方式

具身智能，英文叫Embodied AI。所谓“具身”，本质上就是给AI一副身体。你平时用ChatGPT、文心一言这类大模型，它们只能跟你聊天、写文章、生成图片，所有的推理都发生在数字世界里，没有“手”也没有“脚”，更不会去拧一个真实的螺丝。而具身智能恰好相反，它的核心目标是让AI拥有一个能感知、能行动、能在真实物理世界中干活的躯体，比如机械臂、四足机器人、双足机器人和人形机器人。

用一个我常打的比方。你可以把传统大语言模型理解成一个聪明但没下过地的应届生，理论知识很强，但你要他叠好一件衬衫、把螺丝精准装进牙孔，他完全手足无措。具身智能要解决的就是这件事：让这个聪明的“大脑”拥有身体，并且在一次次动手干活的过程中不断积累经验、调整动作，最后变成一个真正能把活儿干好的熟练工。

从技术栈上来看，具身智能最基础的公式是：具身智能=感知系统+智能决策+运动执行+学习闭环。感知负责“看”和“摸”，决策负责“想”，执行负责“动”，学习闭环负责“越做越好”。这四个环节缺一个都算不上完整的具身智能，这也是它跟传统AI和传统机器人最大的分界线。

1.2 具身智能和传统AI、传统机器人的区别

要真正理解具身智能，我建议你把这三个概念放到同一个桌面上对比，因为它们经常被混着说，但实际上差别很大。

传统AI，比如文本大模型、图像识别模型，处理的对象全部是数字信息，输入是文字和图片，输出也是文字和坐标框，它不跟物理世界产生任何直接的肢体交互。你可以问它“如何煎鸡蛋”，它能给你写出一个完美步骤，但它自己连鸡蛋都不会拿。

传统机器人，比如工厂里最常见的六轴机械臂，它有真实的机械结构，有伺服电机、减速器、传感器，也能精确地按预设轨迹运动。但它的“智能”是非常狭窄的，所有的动作路径都是工程师提前算好并写死在程序里的。一旦工件位置偏移几毫米，或者光照发生明显变化，它就会傻眼，必须人工介入重新调整。

具身智能则站在两者中间，既要有机器人那样可以改变物理世界的“身体”，又要具备传统AI那样能理解任务、推理环境、做出灵活决策的“大脑”。更重要的是，它具备学习能力，能从每次成功或失败的操作中持续优化自己的行为策略。

所以“具身智能”真不是把AI和机器人拼在一起那么简单，它更像是一种全新的研究范式：大脑和身体不是独立组件，而是互相成就的整体。算法设计要考虑身体结构，硬件设计也要反过来给算法提供更好的感知和交互通道。这里面的耦合关系，才是具身智能最有意思也最有挑战的地方。

2. 为什么具身智能会在2025年集中爆发

2.1 大模型给机器人补上了“大脑”

过去几十年，机器人行业一直有个难以突破的瓶颈——机器人“不聪明”。传统机器人的所有行为都依赖工程师编写明确的规则：先做什么、再做什么、什么条件下做什么。这本质上是用有限的状态机去硬扛无限的真实世界，所以机器人只能呆在结构化的工厂环境里，干固定重复的活儿。

大模型出现后，情况发生了根本变化。以多模态大模型为例，它同时具备了语言理解、视觉理解和一定的常识推理能力，机器人第一次拥有了能“看懂世界”和“听懂人话”的认知引擎。你可以直接对一台具身机械臂说“把那个红色杯子放到盘子里”，它能理解你的指令，通过视觉系统定位杯子，规划出一条大致合理的路径，然后驱动机械臂完成抓取和放置。这在以前几乎是不可能实现的。

2.2 硬件成熟和成本下降让“身体”不再奢侈

说实话，具身智能这个概念不是今天才有的，几十年前就有研究者提出类似的想法。为什么偏偏是这几年集中爆发？最核心的变化是硬件成本降到了个人和中小团队能承受的区间。

我们来看看一套入门级具身智能平台需要的核心硬件：一个入门级六轴机械臂，国产几百到几千块就能拿下；一个RGB-D深度相机，比如RealSense，一千多块；一块带GPU的显卡，二手的RTX 3060也就两千上下。也就是说，预算一万以内就能搭一台能跑感知、规划、控制的小型具身智能验证平台。放在十年前，同样的配置可能是现在价格的几十倍，而且体积还大得惊人。

另一个被很多人忽略的因素是低代码和开源生态的完善。现在有ROS2作为分布式通信底座，有MoveIt2做运动规划，有Isaac Lab、MuJoCo等仿真环境，还有各种开源的模仿学习和强化学习框架。具身智能的研究门槛从“需要造一辆车”降到了“需要给车装上智能系统”，这直接导致了大量研究者、学生和创业者涌入这个方向。

2.3 具身智能的热门研究方向和落地场景

根据我了解的情况，目前具身智能的研究比较集中在以下几个分支：

• 具身智能Agent：研究如何让机器人在开放世界里自主完成多步任务。Agent不仅要当一个“执行机器”，还需要具备任务拆解、记忆和推理能力，比如“收拾桌面”这个指令会被拆成“识别物品、分类摆放、抓取、搬运”等一系列子任务。
• 机器人操作技能学习：用模仿学习、强化学习等方法教会机械臂完成精细操作，比如插入、装配、折叠、倒水等。
• 多模态感知与交互：融合视觉、力觉、触觉、听觉等信息，让机器人能更鲁棒地感知复杂环境。
• 具身导航与移动操作：让移动底盘+机械臂的组合在室内外环境中自主导航并操作物体。
• 仿真到现实的迁移（Sim-to-Real）：在仿真环境里大量训练，再把技能迁移到真实机器人上，解决仿真与现实的差距问题。

落地方面，离钱最近的还是工业和商业场景。工业制造领域有上下料、螺丝锁付、装配、打磨；物流领域有分拣、搬运、码垛；商业场景有咖啡机器人、餐厅传菜、酒店配送；家庭场景里有叠衣服、清理桌面、厨房备菜。这些场景都有一个共同特点：任务半结构化、操作对象有一定规律、且愿意为自动化付钱。

有一点值得注意，热词里提到的“幻尔机械臂具身智能”其实代表了一个很明显的趋势：教学级机械臂正在成为小白入局具身智能的“第一块跳板”。花几百上千块买一台入门机械臂，配一个摄像头，就能跑通一套“视觉识别+抓取”的完整闭环，这对建立信心的价值远大于啃十篇论文。

3. 具身智能系统的三大核心环节：感知、决策、执行

有些人以为具身智能就是“大模型+机械臂”，真上手做以后才会发现，一个完整的具身智能系统至少要拆成三层：感知层、决策层、执行层。任何一层出问题，整个系统都跑不起来。下面我逐个拆开讲。

3.1 感知层：传感器决定机器人“看得见”什么

感知层管的是机器人的输入，它决定了机器人能“看见”什么、“摸到”什么。最常见的感知硬件包括下面这些：

• RGB相机：用于图像识别、目标检测、语义分割，类似人的眼睛。
• RGB-D深度相机：在普通RGB图像之外还能输出每个像素的深度值，让机器人知道物体离自己多远，是当前抓取任务的最常用传感器。
• 激光雷达：主要用于移动机器人的SLAM建图和导航定位。
• 六维力/力矩传感器：安装在机械臂末端或关节处，能测量接触力和力矩，让机器人感知到“用了多大劲”。
• 柔性触觉传感器：模拟人的皮肤触感，用于识别物体的材质、滑动和接触面积。
• IMU惯性测量单元：提供加速度和角速度，用于姿态估计。
• 关节编码器：测量电机和关节的实时角度，是运动控制的基石。

感知层的技术难点不在于“有没有传感器”，而在于“如何融合多传感器的信息”。举个例子，机械臂要抓桌子上的一只玻璃杯，单靠视觉知道杯子的位置还不够，你还要判断杯子是否易碎、是否装了液体、表面是否光滑。这些问题需要视觉信息、力觉信息和一定的先验知识共同回答。实际项目中，传感器标定、时间戳同步、数据滤波这三件事做不扎实，后面所有算法都会受影响。

3.2 决策层：从规则到VLA大模型

决策层是整个系统的大脑，它的任务是根据感知信息和任务指令，决定“下一步怎么做”。这个层面的技术演进非常快，早期是有限状态机，把任务写成状态和状态转移表；后来引入基于强化学习的策略网络，让机器人通过试错学习最优动作；到现在，大家讨论最多的就是VLA大模型，也就是视觉-语言-动作模型（Vision-Language-Action Model）。

VLA模型的核心思想是端到端，模型直接接收自然语言指令和视觉画面，输出机器人的动作指令，比如关节角度、末端位姿或速度指令。它不再需要工程师费劲去设计中间语义表示，理论上通用性会更强。目前比较知名的开源VLA模型有Google的RT-2、Physical Intelligence的π0（pi-zero）等，很多院校和公司都在基于它们做二次开发。

决策层里还有一个重要概念叫Agent。在具身智能语境里，Agent不仅仅指某个模型，它更多是一个具备“规划-记忆-反思-行动”闭环的智能化实体。比如你给机器人下达“清理餐桌”的任务，真正的Agent会这样工作：先调用视觉感知确认桌面上有哪些物体，再根据物体类型和存放规则生成一个操作顺序，然后逐一执行抓取、搬运、摆放动作，中途如果出现异常，还要暂停并重新规划。这个“多步规划+闭环修正”的能力，比单纯的“接受指令然后执行”要难得多，也是当前最热门的研究方向之一。

3.3 执行层：机械臂与轨迹控制

执行层负责把决策结果变成物理动作，载体最常见的就是机械臂。机械臂通常由多个旋转关节串联构成，每个关节里面有大扭矩伺服电机、谐波减速器或行星减速器、编码器和驱动器，这里面的控制链条非常长。

一个典型的机械臂动作流程是：决策层给出末端目标位姿（比如把末端移动到桌上某个点，并保持特定姿态），接下来由运动规划模块做逆运动学解算，算出六个关节角分别是多少；再在关节空间里规划一条平滑轨迹，保证运动过程中不碰到障碍物；最后把轨迹点下发到每个关节的伺服驱动器，由驱动器闭环跟踪执行。

执行层的难点在于精度、速度和柔顺性的平衡。工业机械臂追求精度，所以通常很硬、很笨重；家庭服务机器人追求柔顺和安全，所以关节一般有弹性或者采用力控模式。这几年很火的“柔顺控制”就是先把力传感器数据引入控制环，让机器人在接触物体时能顺应外力而不是硬碰硬。没有这层能力，机械臂连“给手机贴膜”这种轻体力活都干不了。

4. 藏在机械臂里的“触觉”：六维力/力矩传感器详解

如果你关注过具身智能的传感器技术，一定会发现“六维力/力矩传感器”被反复提及。我在标题里看到“具身智能中的传感器技术23——六维力/力矩传感器”这个热搜词，说明很多人已经开始意识到光有“眼睛”是不够的，还得给机器人配上“触觉”。这一节我就重点讲讲这块。

4.1 什么是六维力/力矩传感器

六维力/力矩传感器的全称是Six-Axis Force/Torque Sensor，它可以同时测量作用在传感器上三个正交方向的力分量Fx、Fy、Fz，以及三个正交方向的力矩分量Mx、My、Mz。换句话说，它能告诉你机器人末端“被推了多大的力”、“被拧了多大的力矩”，并且分辨出力的方向和作用点。

它的工作原理大致是：传感器内部有若干个应变片或电容敏感元件，当外力作用在传感器上时，结构体会发生微小形变，这些形变被敏感元件转化为电信号，再经过放大和解耦算法，最终算出六个维度的力和力矩。高端产品还会做温度补偿和线性度校准，保证在复杂环境下数值依然稳定。

六维力传感器通常安装在两个位置：一个是机械臂末端法兰盘和夹爪之间，用于测量末端与物体交互的力和力矩；另一个是关节内部，用于测量每个关节所受的外部负载。末端安装的六维力传感器是当前具身智能研究中用得最多的配置。

4.2 为什么灵巧操作离不开力觉反馈

我举个特别直观的例子：机械臂给手机屏幕贴膜。这个动作看起来很简单，不就是拿着一张膜盖上去嘛。但实际上对机械臂来说极其困难：屏幕是硬质玻璃，膜是柔性塑料，贴歪一点就会产生气泡，用力过猛屏幕直接碎掉。如果只靠视觉，机械臂很难感知到什么时候膜已经接触到屏幕、现在下的压力是多少、有没有偏斜。

装上六维力传感器后，机械臂在接触屏幕的瞬间就能检测到“垂直方向出现了接触力”，然后立刻从位置控制切换为力控模式，保持一个恒定的压力沿着屏幕表面把膜缓缓推平。整个过程就像你用手摸到桌面后，能感知到接触并且调整手腕力度一样，这种能力没有力觉反馈是绝对做不到的。

在工业和科研领域，力觉反馈的应用场景更多。轴承和齿轮的精密装配，靠视觉很难保证插进去的力度和角度都合适；抛光打磨需要恒定贴合压力来保证表面质量一致性；插拔充电接口要控制插入力，避免损坏接口；还有手术机器人缝合组织时，医生需要通过力反馈感知组织的张力和针的阻力。可以说，凡是涉及“接触”的复杂操作，六维力传感器几乎是必需品。

4.3 选型和标定时的几个关键参数

我实际帮朋友推荐过不少力传感器，也踩过一些坑。这里整理几个选型时必须看的关键参数：

特别想提醒一点，安装六维力传感器时一定要做“零漂校准”和“重力补偿”。什么意思？因为传感器装在机械臂末端的姿态不同，夹爪和工具的重量会投影到传感器不同的轴上，造成读数不为零。正确做法是启动时记录工具在多个姿态下的读数，建立重力补偿模型，把工具重力对六个轴的耦合影响消除掉，这样夹爪接触到外部物体时，读到的才是真实的外部接触力。

我个人测试过的品牌里，国外比较经典的是ATI和OnRobot，国内像宇立仪器（SRI）、海伯森也有不错的产品，价格更友好。如果你只是个人学习，我建议先在仿真环境里感受一下力觉数据是什么样的，比如MuJoCo里就能直接读取接触力，等算法逻辑跑通了再考虑买真传感器，省得烧钱。

5. 具身智能学习的数据发动机：数据集质量要求与评价方法

前面聊了大脑、身体和传感器，这一节要聊一个很多人忽视、但决定具身智能项目成败的关键——数据。热词里“人工智能关键基础技术 具身智能数据集质量要求及评价方法”指向的就是这个问题。我自己在跑具身智能实验时吃过大亏，前期花了一堆时间采数据，结果模型效果特别差，后来才发现是数据质量问题。

5.1 具身智能数据和我们熟悉的大模型数据有什么不同

大模型时代的核心资产是互联网上海量的文本、图片和视频数据，爬虫抓取就完事了。但具身智能的数据完全不一样，它记录的是“机器人在什么状态下、做了什么动作、得到了什么结果”，这种数据通常以轨迹（trajectory）形式存在，每一条轨迹包含多帧信息：当前视觉图像、关节角度、末端位姿、力觉数据、动作指令等。

这种数据有两个很难搞的特点。第一，采集成本极高，你不能指望爬虫抓出来，必须让真实机器人或者高精度仿真环境去执行任务并记录数据，一千条有效轨迹可能就要让机器人不吃不喝跑好几天。第二，质量参差不齐，机械臂稍微抖动一下、相机丢一帧、夹爪滑了一下，整条轨迹都可能变成垃圾数据。所以具身智能领域有一句话流传很广：数据质量决定了模型能力的上限，算法只是逼近这个上限的工具。

5.2 数据集质量的四个核心维度

我在实际项目中，评价一套具身智能数据集做得好不好，主要盯四个维度：

• 轨迹完整性：每一条演示必须包含完整的“等待指令-开始执行-完成操作”全过程，不能缺关键中间帧。比如抓取任务，至少要完整记录从末端接近物体到成功夹持、再搬运到目标位置的过程，如果中途丢了几帧，模型很难学到连续的动作映射。
• 多模态对齐一致性：视觉图像、力觉数据、关节角度、时间戳必须严格同步。错一帧，模型就可能学到“看到了但手没跟上”的错误关联。这里我有一个经验：采集时尽量用硬件触发信号或者统一定时采集线程，不要靠软件层面的“尽力而为”。
• 场景和物体多样性：同一个任务要覆盖不同物体位置、不同光照方向、不同背景纹理。如果只在固定位置、固定光照下采集，模型学出来的策略几乎没有泛化能力，换个场景就废了。
• 指令和标注质量：自然语言指令是否准确？目标物体标注是否清晰？如果指令歧义太多，模型甚至不知道该干什么，数据等于白采。

5.3 当前主流的数据集评价方法

那么问题来了，怎么评价一套数据集做得好不好？现在业内主流的做法分三个层次。

第一个层次是统计指标。看数据量、成功轨迹和失败轨迹的比例、传感器噪声水平、异常帧数量、重复度等，这些能快速筛掉明显不合格的数据集。

第二个层次是分布覆盖度。通过计算状态动作对的分布，看数据集是否覆盖了足够多的环境状态和操作模式。比如抓取任务中，物体位置是否覆盖了整个工作空间；失败轨迹是否也保留了一部分，因为让模型知道“哪些动作会导致失败”有时候比只给成功轨迹更重要。

第三个层次是基准实验。把数据集拿去训练一个统一的基准模型，看模型在新任务上的成功率提升幅度。这是最硬核也最接近真实价值的评价方法。前面几个指标都好糊弄，但模型效果不会骗人。我见过不少数据集看着规模很大，一上模型就露馅，成功率低得吓人。

对小白来说，我的建议是：前期不要盲目追求数据集的“大”，先把采集流程规范化。哪怕只有几百条高质量轨迹，只要保证场景多样性和多模态严格对齐，训练出来的效果都会远好于几万条杂乱无章的数据。这算是具身智能这个领域“少即是多”的典型代表。

6. 小白入坑具身智能：学习路线与起步建议

6.1 一条比较平滑的学习路线

经常有人问我，完全没有基础，想进入具身智能方向，应该从哪里开始。我一般会建议按下面的路线走，不要跳步：

1. 先补编程基础，首选Python，数据结构、面向对象、调试技巧过一遍；
2. 学机器学习和深度学习基础，理解神经网络、损失函数、训练和推理的基本流程；
3. 学机器人学基础，核心包括坐标变换、正运动学、逆运动学、轨迹规划；
4. 学一个主流的机器人操作系统，比如ROS2，理解节点、话题、服务这些通信机制；
5. 选择一个仿真环境跑通一个简单任务，推荐MuJoCo、Isaac Lab或PyBullet；
6. 学模仿学习或强化学习的基本方法，推荐先看robomimic和RLBench这类集成了大量基准的框架；
7. 上真机，把仿真里实现的策略迁移到真实机械臂上，哪怕只是“抓一个方块”也算完整闭环。

这条路看起来长，但每一站都有大量免费资料，最忌讳的是跳过基础直接上真机。我见过太多人一上来就买一台几千块的机械臂，结果连“末端执行器坐标系到相机坐标系怎么变换”都没搞明白，卡了一个月最后把设备吃灰。你如果时间紧，至少把坐标变换和ROS2这两个点学扎实，后面的路会顺很多。

6.2 低成本起步：买什么设备、用什么框架

有朋友问预算有限怎么起步，我按预算档位给几套我实际用过的方案：

• 纯仿真方案，预算约0元。只要电脑里有NVIDIA独立显卡，哪怕是二手RTX 3060，就能跑MuJoCo、Isaac Lab这些主流仿真。可以完成从“训练策略”到“仿真部署”的完整流程。
• 千元级入门真机方案，预算500~1500元。可以考虑幻尔的LeArm或ArmPi系列教学机械臂，搭配USB摄像头，做颜色识别的抓取或者轨迹复现。这类平台精度不高，但足够理解“感知-决策-执行”闭环是怎么回事。
• 万元级研究方案，预算8000~30000元。选择一台入门级协作机械臂，比如UFACTORY xArm、越疆M1等，再配一个RealSense深度相机，有条件可以加装六维力传感器，基本可以跑比较正规的模仿学习和力控实验。

框架层面，建议优先学ROS2和MoveIt2，这是当前机器人开发的事实标准。算法框架可以先从robomimic开始，它把模仿学习里常用的BC、IBC、BC-RNN等算法都集成了，而且配置比较简单，能在仿真环境里快速跑通对比实验。等需要做更复杂的多任务学习时，再考虑接触RLbench或者人形机器人领域的LeRobot。

6.3 从仿真环境入手的常见坑

刚开始做仿真到真机迁移的人，绝大多数都会栽在同一个问题上：仿真里跑得好好的，一到真机就翻车。原因很简单，仿真的物理引擎和真实世界存在差距，术语叫Sim-to-Real Gap。真实世界里有摩擦力不均匀、关节间隙、电机响应延迟、光照变化，而仿真通常把这些细节过度理想化了。

我的建议是，从一开始就别让策略过度依赖某个特定状态，故意让仿真“变脏”。可以在MuJoCo或Isaac Lab里使用域随机化（Domain Randomization），比如随机关节阻尼、随机物体质量、随机光照强度和方向，甚至随机机械臂的每个关节延迟，让模型学到的是“在不同环境下都能工作的通用策略”而不是“在固定环境下背下来的动作序列”。

第二个坑是任务选得太难。很多人上来就要让机械臂“叠衣服”“泡咖啡”，这种任务就算是学术界的顶尖实验室也要花很久才能做出稳定效果。正确做法是先把“单物体抓取”“按颜色分类摆放”这类最简单的任务跑到稳定，再逐步增加复杂度。先把完整闭环打通一次，后面加功能才有依托。

7. 常见问题速查与避坑心得

7.1 学习/入坑过程中的典型问题

我把自己在学习和做项目时踩过的问题整理成了下面这个速查表，希望能帮大家少走弯路。

7.2 我个人踩过的一些坑

第一个坑：以为算力越贵越好。我前期为了跑一个VLA模型，咬牙上了一块高功耗大显存显卡，后来才发现个人项目根本不需要这么重的训练配置。在MuJoCo里跑强化学习，更重要的其实是数据采集端的稳定性和仿真物理参数的准确性，而不是盲目堆算力。对大多数小白来说，一张甜品级显卡配合好算法框架，就已经远超起步需求了。

第二个坑：盲目上高端传感器。有一段时间我特别迷信高精度六维力传感器，入手了一只价格不菲的中型力传感器，结果装到入门级机械臂上完全“杀鸡用牛刀”：机械臂本身负载小、控制频率一般，高端传感器的性能根本发挥不出来。后来我才总结出一条经验，传感器选型要跟着机械臂负载和控制器能力走，接口是否兼容、量程是否匹配，远比“参数标得多高”重要。

第三个坑：觉得数据越多越好。第一次采集演示数据时，我以为拼命采、采几千条就稳了，结果训练出来的模型成功率远不如后来精心筛选后的几百条。后来每次采集前都先画好任务脚本，规定物体放什么位置、光源放在哪个方向、每条轨迹要记录哪些字段，采集完先自动化扫一遍异常帧和丢包情况，再做训练。效果立竿见影。

第四个坑：忽视仿真环境的动力学可信度。很多人在MuJoCo里随便设一下摩擦系数就开始训练，结果策略学了完全不合理的动作。比如它学会了靠“极端的姿态”来规避不确定因素，但在真实机械臂上那个姿态根本达不到。建议初期就把关节速度极限、加速度极限、力矩极限全部按真机参数设置好，越早贴近真实设备，后面迁移越省力。

这些坑说穿了都是“想快”导致的。具身智能这个方向，最稀缺的其实不是天才式的算法灵感，而是能把“感知—决策—执行—数据—迭代”这条完整闭环沉下心跑通的能力。你不一定要能背出最新论文里的每个公式，但你需要一台能跑起来的小机械臂，一个稳定的数据采集流程，以及不断在真机上试错、记录、调整的耐心。这个过程很磨人，但恰恰是具身智能最有魅力、也最不容易被替代的地方。

如果你正准备入门，记住一句话：先跑通一个最笨的完整系统，再谈优化。哪怕你的第一个Demo只是让机械臂在固定位置抓一个固定方块，也比你盯着十篇论文看一个月有价值得多。