灵巧手教学应用人机猜拳自主控制 · 离线交付
LOCAL_TEACHING_CANDIDATE离线模拟(Mock) · 硬件权限0 · 禁止执行(NO_GO)

让机器看懂你的手势,作出决定,并用反馈证明结果

选择人类手势和识别置信度,运行一轮完整软件闭环。每个结论都能回到观测结果(Observation)、反馈(Feedback)或追踪记录(Trace)。

包ID
E404A9EA472D…
数据来源
合成数据(SYNTHETIC)
设备通道
不可用(NOT AVAILABLE)
先学原理,再读项目代码 · 基础知识(Foundations)

先补四块地基,再看懂完整自主控制程序

你不用先背完整教材。每次只解决猜拳项目中的一个真实问题:先看生活类比和信号流,再读最小代码、作出判断,最后用自己的话说明它怎样影响感知、决策或反馈。

官方阅读 + 教学任务本地交互 · 仅主动点击时联网
01 · 生活类比与信号流Python · 把步骤写成可运行规则
函数像一台有明确入口和出口的小机器。
核心问题

程序怎样把置信度变成unknown?

回到猜拳项目

先判断这段程序会输出什么

先选一个答案;答错会指出应回看的信号位置。

权威扩展阅读 · Python官方教程 ↗外部页面只供主动阅读,不改变课程证据或硬件权限。
自主扩展 · 开放学习路径(Open Learning Paths)

一页先搭桥,开放课程帮你继续走深

不用一次学完。先做本页实验,再按需要选择阅读。每次回来都带着一个项目问题。

24 UNITS · 24 CHECKS · 20 OPEN RESOURCES进入零基础学习中心按你的起点选择Python、CV、DL与工业通信学习顺序,再回到猜拳项目完成四次小实验。查看完整学习地图 →
PY
Python编程零基础 → 能读懂项目模块
LOCAL COURSE · 约30—45分钟进入Python完整基础课四个概念、一个项目实验和一组扩展阅读。10 MIN · 官方 · ENPython控制流与函数回到项目:指出质量门的if和两个return。OPEN COURSE · 入门 · ENHarvard CS50P函数、条件、循环、异常、测试与最终项目。OCW · 系统 · ENMIT 6.0001视频、讲义、代码与习题;适合建立计算思维。
项目练习:给Observation新增`age_ms`,写测试证明过期时返回unknown。
CV
计算机视觉像素 → 特征 → Observation
LOCAL COURSE · 约30—45分钟进入CV完整基础课四个概念、一个项目实验和一组扩展阅读。LOCAL LAB · 图片不上传进入本地图片流水线实验导入图片,观察灰度、阈值、连通域与质量门。15 MIN · 官方 · ENOpenCV阈值分割理解固定阈值、自适应阈值和Otsu方法。30 MIN · 官方 · ENOpenCV轮廓入门把二值区域变成可测量的形状和边界。STANFORD · 进阶 · ENCS231n开放讲义从分类、损失、优化走到卷积网络与迁移学习。
项目练习:改变光照和阈值,记录哪种变化导致类别或置信度失效。
DL
深度学习数据 → 训练 → 模型 → 推理
LOCAL COURSE · 约30—45分钟进入DL完整基础课四个概念、一个项目实验和一组扩展阅读。MODEL LAB · 教学fixture进入模型生命周期实验检查数据划分、混淆矩阵、置信度与unknown门。60 MIN · 官方 · ENPyTorch Learn the Basics从Tensor、Dataset到训练循环和模型保存。CHINESE · 动手 · 中Softmax与图像分类理解类别分数、概率、损失和训练数据。OPEN BOOK · 系统 · 中《动手学深度学习》开放教材、公式、图示与可执行代码一体化。
项目练习:为三个手势设计train/validation/test划分与混淆矩阵。
CAN
工业通信消息 → 总线 → Feedback证据
LOCAL COURSE · 约30—45分钟进入通信完整基础课四个概念、一个项目实验和一组扩展阅读。15 MIN · INDUSTRY · ENCAN数据帧与ACKACK只证明至少一个节点正确接收,不证明执行器完成。OPEN TUTORIAL · 系统 · ENKvaser CAN Protocol Tour仲裁、位时序、物理层、终端和错误处理。VENDOR · 接口 · ENPEAK PCAN-Basic对照API层、通道状态与应用层完成证据的区别。
项目练习:画出Write→队列→总线→设备→Feedback→Trace六步证据链。
选择原则官方/高校/开放教材优先;外链仅主动点击,不是页面运行依赖。阅读完成不等于课程通过,更不授予IPC11或真机权限。
0 / 4函数把输入转换为输出;输入无效时应返回明确的unknown,而不是继续猜。
视觉流水线 · 12×12合成图(Synthetic)

一张手势图,怎样变成程序可用的观测结果(Observation)?

你先凭图像作出预测,再亲手运行分割和特征提取;最后要指出哪些数字支持你的判断。这里使用合成图,不会打开摄像头,也不会请求云端模型。

教学候选(TEACHING_CANDIDATE)摄像头关闭 · 网络请求0
01 · 灰度输入SYNTHETIC_ROCK
02 · 二值掩码pixel ≥ 160
运行前先预测:最终观测结果(Observation)是什么?
看到结果后:哪组证据支持这个观测结果?

先选一个预测,再运行同一套可见算法。

0 / 4完成三个清晰样本和一个低对比样本。记住:分出轮廓不等于置信度足够,unknown不能进入动作策略。
01 · 模拟输入(Mock Camera)人类出拳
02—04 · 感知、决策与模拟执行从识别结果走到离线模拟(Mock)
检测结果(Detection)等待运行SYNTHETIC
观测结果(Observation)
决策(Decision)WIN · UNIQUE ARGMAX
学生
VS
应用输出

等待一轮完整证据

六轴目标 · raw
  1. A1 —
  2. A2 —
  3. A3 —
  4. A4 —
  5. A5 —
  6. A6 —
决策策略:收益 → 最高分选择(argmax)→ 理由

机器为什么选这个动作,而不是另外两个?

你先根据任务目标和观测结果(Observation)预测动作,再亲手比较三个候选动作的收益;最后要说明为什么能够选择,或者为什么必须停止(STOP)。

教学候选(TEACHING_CANDIDATE)确定性规则 · 硬件权限0
01 · 基础胜负矩阵行=人类 · 列=机器人
观测结果(Observation)rockpaperscissors
rockDRAWWINLOSE
paperLOSEDRAWWIN
scissorsWINLOSEDRAW
目标函数:WIN=3 · DRAW=1 · LOSE=0selected = unique_argmax(utility)
02 · 候选动作收益Observation = rock
  1. ✊ rock
  2. ✋ paper
  3. ✌ scissors
决策理由等待运行
运行前预测策略(Policy)输出
看到收益后:哪条规则真正支持这个决策?

先预测,再查看每个候选动作的收益。

0 / 4记住:argmax只在最高分唯一时返回动作;数组顺序不是决策依据,unknown也不是一个可猜测的手势。
为什么有效 · 拆开因果链

不要只看结果:拆开一轮自主控制

五个问题都要先观察、再选择结论并写出理由;答错只提示第一处偏差,不会替你完成。

教学候选(TEACHING_CANDIDATE) · 通用原理

先预测,再用自己的话说明

我认为当前证据支持

先选择一项,并写至少12个字的理由。

0 / 5 已掌握完成只记录在当前页面,不产生学分或硬件权限。
闭环控制:目标 → 误差 → 控制量 → 反馈

发出目标之后,机器为什么还需要不断看反馈?

你先预测机器会怎样接近目标,再运行通用离散位置环;随后要从曲线、误差、控制量、反馈质量和追踪记录(Trace)中找出支持判断的证据。参数只用于教学,不代表RY-H2内部电机结构或真实整定值。

教学候选(TEACHING_CANDIDATE)通用教学模型 · 硬件权限0
01 · 一步控制计算command = clamp(Kp × error)
目标(Target)2400 raw误差(Error)等待运行×Kp控制量(Command)等待运行反馈(Feedback)等待运行
error[k] = target − actual[k]
command[k] = clamp(Kp × error[k], −900, 900)
actual[k+1] = actual[k] + command[k]
位置环是通用教学模型;真实设备可能还有速度、电流/转矩等更内层闭环,必须以厂商资料和现场证据确认。
02 · 时间对齐曲线等待预测
目标实际|误差|横轴100 ms/step · 纵轴raw
运行前预测主要现象
看到曲线和最后样本后:哪组证据支持这个判断?
最后可用样本
质量(quality)
实际值(actual)
误差(error)
追踪记录(Trace)

先选预测,再运行相同的确定性模型。

0 / 4记住:目标不等于实际;误差小也必须有新鲜GOOD反馈。STALE不是0,曲线必须断开并停止新的命令。
回放对比(Replay) · 时间对齐证据

同一个目标,为什么两份记录到达时间不同?

SYNTHETIC × 2REAL_REDACTED NOT INCLUDED · REAL_EVIDENCE 0
基准记录正在验真本地数据…
延迟记录正在验真本地数据…
目标基准延迟横轴:记录内单调时间 · 纵轴:raw
证据判读

这两份记录目前支持哪一个结论?

先比较曲线和样本,再选择最小充分结论。

远程实验前演练 · 仅本地模拟

第一次遇到异常时,应该先停在哪里?

把课程完成、预约、批准、独占租约(Lease)、通道、摄像头和反馈当作彼此独立的事实。未知就是停止,不用“看起来正常”替代验证。

教学候选(TEACHING_CANDIDATE)硬件权限0 · 动作派发关闭
0 / 3完成三类故障排查后,才能把部署记录写入开发报告。
当前部署事实等待前置实验
  1. 完成基础、视觉、决策、闭环控制、Mock双路径和Replay后解锁。
必须先解决的问题尚未解锁(LOCKED)
作为应用开发者,下一步怎么做?

先完成基础、视觉、决策和闭环控制,再分析正常、停止与Replay。

NOT REHEARSED · NO_GO演练通过只证明你理解部署前检查,不代表预约存在、教师批准、Lease签发、PCAN可用或真机可动作。
开发者必修系统不按预期运行时,怎样找到第一处异常?复现 → 定位 → 假设 → 探针 → 修复 → 回归进入闭环调试实验 →远程观察为什么必须同时看输入画面和机器动作?角色 → 会话 → 同步 → 新鲜度 → 同意进入双摄观察实验 →视觉接口检测结果怎样变成机器人可用的观察事件?来源 → 时间 → 检测框 → 置信度 → 跟踪 → 质量进入观察事件实验 →实验复盘画面、六轴曲线和Trace能否互相印证?同一身份 → 同一时基 → 质量可见 → 结论克制进入多模态复盘 →学生报告怎样把复盘证据写成自己的工程结论?观察事实 → 证据推理 → 尚未证明 → 下一验证进入报告写作实验 →结课演示能否在12分钟内讲清完整自主控制应用?任务 → 感知 → 决策 → 执行 → 证据 → 故障 → 答辩进入七幕彩排 →远程实验安全课程完成后,为什么仍不能直接操作真机?课程 → 资格 → 预约 → 批准 → Lease → 现场十道门进入资格安全门实验 →
我的项目学习档案 · 问题 → 接口 → 代码 → 测试 → 调试 → 迭代

把一次实验写成你真正掌握的开发方法

这不是设备验收表。请像正常开发者一样,从用户问题出发,说明接口怎样拆、关键代码为什么这样写、测试证据支持什么,以及下一次怎样验证改进。系统只在附录补入运行事实。

学生项目草稿(STUDENT PROJECT DRAFT)仅保存在本地 · 不是硬件发布
00
四域基础知识等待4个基础判断
01
视觉实现实验等待4个样本
02
智能决策实验等待4个案例
03
驱动反馈闭环等待4个控制案例
04
正常功能测试等待0.96运行
05
失败关闭测试等待0.86运行
06
回放分析等待现象与下一验证
07
部署前演练等待3类故障排查
学完后,你应能独立完成这些任务

不是记住运行结果,而是形成六项开发能力

每项能力都要同时给出“我的解释”和“可复核证据”;绿灯只表示前置实验完成,不代表老师已经认定掌握。

  1. 01
    定义问题用户场景 + 可测试的完成标准
    需求
  2. 02
    拆分接口输入、输出、质量与失败语义
    架构
  3. 03
    实现感知像素 → 特征 → 置信度 → unknown
    视觉
  4. 04
    解释决策收益函数、唯一argmax与STOP
    策略
  5. 05
    闭合执行动作映射、Driver、Feedback与Trace
    控制
  6. 06
    测试改进预期、现象、假设、验证与验收
    工程
我的项目讲解 用自己的话回答,老师可以据此追问
代码理解挑战 不是背概念,要判断数据在哪一层被拦住
Q1 · 识别置信度低于0.90,最先应发生什么?
Q2 · 设备Driver应该接收什么?
Q3 · 失败关闭用例的末事件是什么?
Q4 · 两个候选动作并列最高收益时,Policy应怎样处理?
Q5 · Feedback与动作目标的关键区别是什么?
Q6 · Replay晚300 ms目前能支持哪种结论?
生成前,确认三项学习证据
如果要定位300 ms差异,下一项开发工作是什么?

下一步:以0.96运行正常路径,再以0.86验证失败关闭。

我的项目学习档案预览NOT GENERATED
我解决的问题 / 接口设计 / 关键代码理解 / 测试预期 / 证据解释 / 调试推理 / 反思迭代

正文由你完成;系统运行事实只进入附录,不替你宣布“已经掌握”。
你写的解释是正文,系统记录只是可核对的证据。一份好作业应让同学能复现你的思路,让老师能追问你的依据,也让未来的你知道下一次从哪里继续。
六轴反馈(Feedback)

目标与实际如何随时间收敛?

等待离线模拟(Mock)反馈