← 返回猜拳主项目
第1课 · 选择机器人的手纸杯 · 螺丝刀 · 海绵

任务 01给机器人选一双手

如果机器人每天遇到的东西都不一样，
一种夹爪还够用吗？

机器人要连续拿起纸杯、握住螺丝刀，再轻轻捏起海绵。

拿起纸杯不能把杯口夹扁
握住螺丝刀方向要稳定
捏起海绵力量不能太大

哪一种更适合这三个任务？

选择一种，看看它在真实任务中的优势和限制。

下一个任务 · 人机猜拳

让机器人看懂你的手势，并做出回应

摄像头看到石头、剪刀或布，程序选择动作，虚拟灵巧手摆出姿态，反馈确认动作是否完成。

  1. 看摄像头看到你的手势
  2. 想程序选择应对动作
  3. 动虚拟灵巧手摆出姿态
  4. 验反馈告诉你动作是否完成
先动一动虚拟灵巧手 → 看看为了做成它，我要学什么 ↓
接下来

用四种工具做出猜拳机器人

从编写第一段程序开始，逐步让机器人看见手势、选择动作并检查结果。

选择我的学习起点 →
项目工具箱

每一种工具负责什么？

PYPython把设计写成规则数据结构 · 函数 · 异常 · 测试 · 模块 · JSON数据/命令行接口（CLI）
→
CV视觉把像素变成观测结果（Observation）像素 · 预处理 · 特征 · 未知状态（unknown） · 感兴趣区域（ROI） · 评价
→
DL模型把数据变成受限推理数据划分 · 训练 · 推理 · 阈值 · 混淆矩阵 · 模型清单（Manifest）
→
CAN通信把动作与反馈送过现场链路分层 · 仲裁 · 写入（Write）边界 · 新鲜度 · 重试 · 追踪记录（Trace）
看不清、不确定或没有收到反馈时，机器人会停下来，不继续执行。
看懂中文，也认出源码里的英文沿感知—观测—决策—动作—反馈—安全闭环学习36个开发术语，并定位代码字段与常见误区。打开自主控制开发术语地图 →
选择学习起点 · 不同起点，同一终点

你现在最像哪一种学习者？

选择只改变建议顺序，不跳过安全边界和项目实践。

    四门完整课程 · 每门不是一页

    每学完一小节，就回到猜拳项目动手验证

    每个单元包含直观解释、信号流、最小代码或结构、常见误区和可作答检查。

    PY
    建议第一门

    Python编程基础

    先能准确表达数据与失败，再写自动控制规则。

    1. 类型、字典与观测结果（Observation）字段
    2. 函数、分支与质量门
    3. 空值（None）、异常与停止（STOP）
    4. 正常/边界/失败测试
    5. 模块边界与依赖方向
    6. JSON、版本与命令行接口（CLI）复现
    CV
    感知入口

    计算机视觉基础

    看见像素怎样逐步成为可质疑的视觉事实。

    1. 像素、通道与坐标
    2. 灰度、阈值与预处理
    3. 轮廓与可解释特征
    4. 未知状态（unknown）与质量拒绝
    5. 感兴趣区域（ROI）、缩放与坐标变换
    6. 分组评价与条件失效
    DL
    智能模型

    深度学习基础

    区分“训练分数高”“未知输入可拒绝”和“可驱动设备”。

    1. 数据集与三组划分
    2. 损失、反向传播与优化
    3. 模型、推理与类别分数
    4. 置信度阈值与未知状态（unknown）
    5. 混淆矩阵与逐类指标
    6. 模型版本、限制与模型清单（Manifest）
    CAN
    执行与反馈

    工业通信基础

    理解写入（Write）成功为什么不等于电机到位。

    1. 协议分层与职责边界
    2. 广播、标识符与仲裁
    3. 应用程序接口（API）写入与传输边界
    4. 反馈新鲜度与通道独占
    5. 错误、超时、重试与停止（STOP）
    6. 动作—反馈—追踪记录（Action—Feedback—Trace）证据链
    边学边做 · 每学一块就交付一个小成果

    四次小实验怎样合成最终猜拳应用？

    01Python：补新鲜度门

    给观测结果的开发字段`observation`加入`age_ms`，覆盖499/500/501毫秒测试；过期必须输出未知状态（unknown）。

    产出：函数 + 单元测试
    02计算机视觉：做光照对照

    只改变光照或阈值，记录前景比例、轮廓与质量怎样变化，不冒充手势分类。

    产出：质量观察表
    03深度学习：解释模型边界

    用训练/验证/测试（train/validation/test）和混淆矩阵定位类别失效，生成带限制的模型清单（Manifest）。

    产出：模型卡 + 未知状态门
    04通信：画证据链

    把写入（Write）、队列、总线、设备、反馈（Feedback）和追踪记录（Trace）分开，指出哪一步才支持动作完成。

    产出：六步证据链
    最终集成：视觉只产生观测结果（Observation），策略只产生动作（action），驱动适配器（driver）只提交命令，反馈与追踪记录共同支持结果；任何一层都不能单独替代完整闭环证据。
    精选开放阅读 · 代表性、开放、优秀

    按当前问题选读，不要求一次读完

    第一次先读下方4项跨学科入口；需要系统补课时再展开全部20项。建议顺序：入门（START）快速建立概念 → 实践（PRACTICE）照着做 → 系统学习（SYSTEM）形成完整体系 → 验证（VERIFY）学会核对 → 进阶（DEEPEN）继续深入。20张卡片对应20个独立入口；外链只在主动点击时访问，离线时先按卡片里的“回到项目”任务继续本地实验。

    入门 · 官方中文Python 官方中文教程控制流、数据结构、函数、模块与异常。回到项目：读懂观测结果（Observation）的质量门。实践 · 哈佛大学CS50P视频、练习、测试和最终项目。回到项目：用测试驱动一个小函数。系统学习 · MIT开放课程MIT 6.0001从零建立计算思维与程序设计方法。回到项目：拆解五模块职责。验证 · 官方中文Python 模块脚本、导入、命名空间与包。回到项目：检查依赖方向。进阶 · 官方中文unittest夹具、断言、测试组织与运行。回到项目：补正常/边界/失败用例。入门 · 官方OpenCV 图像矩阵像素、通道、ROI与基础操作。回到项目：标出输入尺寸和坐标。实践 · 官方OpenCV 阈值分割固定、自适应与Otsu阈值。回到项目：比较光照变化。验证 · 官方OpenCV 轮廓入门从二值区域提取边界与形状。回到项目：解释特征来自哪里。系统学习 · 开放教材Computer VisionSzeliski作者公开教材与算法全景。回到项目：把流程放进视觉体系。进阶 · 斯坦福大学CS231n视觉识别、损失、优化与CNN。回到项目：理解分类器进阶路线。入门 · 官方PyTorch Learn the BasicsTensor、Dataset、训练、保存与推理。回到项目：看完整模型工作流。实践 · 中文开放书《动手学深度学习》公式、图示与可执行代码结合。回到项目：动手实现分类基础。系统学习 · Google机器学习速成课程概念、动画、交互与练习。回到项目：解释阈值和评价。验证 · 官方优化模型参数loss、backward和optimizer.step。回到项目：区分训练与推理。进阶 · 开放实践课fast.ai Practical Deep Learning从可运行项目进入训练、部署与模型边界。回到项目：比较训练样本与现场图像的域偏移。入门 · CiACAN 知识地图协议、物理层与应用层术语入口。回到项目：先分清各层职责。实践 · 行业教程CAN 数据帧与ACK标识符、CRC、ACK及其边界。回到项目：ACK不等于动作完成。系统学习 · 行业教程Kvaser CAN Protocol Tour仲裁、位时序、终端与错误处理。回到项目：画出总线传输过程。验证 · CiACAN 网络设计拓扑、线长、位率与终端。回到项目：识别物理层前提。进阶 · 厂商PEAK PCAN-BasicAPI、通道状态与开发接口。回到项目：区分写入与反馈。
    资源选择原则官方文档、高校开放课程和作者开放教材优先；每次带着一个项目问题阅读，读完返回本地实验验证。外链内容不进入课程证据，网页启动不会自动请求这些站点。
    可以开始

    第一次只做一件事：让0.86明确变成未知状态（unknown）。

    这一步同时用到Python分支、视觉置信度、决策拒绝和执行安全边界，是理解整套自主控制系统的最好入口。

    从Python第1单元开始 →先体验模拟闭环（Mock） →