00. 学习协议与诊断
先建立学习方式、知识树和诊断入口。当前跳过实操，重点是理论体系、技术史、论文脉络、方法辨析和面试表达。每完成一个小节，在 notes/ 对应阶段目录里新增或更新 HTML 笔记。
本节学习目标
- 把"怎么学"先于"学什么"立起来：苏格拉底问答 + 主动回忆 + 分布式复习 + 交错学习 + 自我解释。
- 明确覆盖范围（7 层知识金字塔），与 awesome-humanoid-robot-learning 资料库对齐。
- 用 6 道诊断题刻画当前能力起点，作为后续阶段的入口。
学习方式（教学协议）
本轮采用"快节奏苏格拉底式学习"：先给最小必要框架，然后用问题逼出你的已有模型、误区和薄弱点；你回答后再补关键概念、论文脉络和面试表达。每小节结束后再固化 HTML 笔记。
| 方法 | 在本学习中的用法 | 依据 |
|---|---|---|
| 主动回忆 | 每节先问概念、推理和对比题，少做被动阅读 | CMU Eberly Center 将 retrieval practice 定义为通过回忆增强记忆、理解和应用能力 |
| 分布式复习 | 关键概念会在 1 天、3 天、7 天尺度反复出现，避免一次性堆材料 | National Academies 总结 spaced practice 通常优于集中突击 |
| 交错学习 | 经典控制、优化、学习方法会交替比较，而不是孤立学习 | How People Learn II 指出 interleaving 有助于区分类似类别和问题类型 |
| 自我解释 | 要求你用自己的话解释"为什么这个方法能稳定/泛化/上真机" | 学习技术元分析显示 practice testing、distributed practice 效果靠前，self-explanation 也有稳定价值 |
覆盖范围（7 层知识金字塔）
- 基础层：刚体运动学、动力学、坐标系、雅可比、接触、摩擦锥、欠驱动系统
- 经典运控：ZMP、LIPM、capture point、步态规划、轨迹优化、MPC、WBC/QP、阻抗/导纳控制
- 状态估计：IMU、编码器、足端接触、EKF/Invariant EKF、因子图、VIO/SLAM 与接触辅助估计
- 学习控制：模仿学习、强化学习、运动跟踪、课程学习、奖励设计、domain randomization、system ID、sim-to-real
- 全身与操作：loco-manipulation、whole-body teleoperation、retargeting、motion prior、人类视频/动作数据
- 前沿：diffusion policy、world model、VLA/语言到动作、foundation policy、跨 embodiment、开放词汇导航、安全约束
- 面试输出：把简历项目改写成"问题-方法-难点-权衡-结果-反思"的深度自我介绍
运控的总问题（第一性命题）
核心命题
机器人运控不是"让关节动起来"，而是在不完美模型、不完整状态估计、强接触不确定性和实时计算限制下，把高层任务转成稳定、可执行、抗扰的力/位/速度命令。
第一性拆解：任务目标是什么？状态从哪里来？模型可信到什么程度？约束有哪些？控制量是什么？接触如何处理？失败时如何恢复？
诊断问题（已完成）
下列 6 题是项目启动时的诊断入口。回答已收集，作为后续阶段的能力起点参照。
- 你如何区分"运动规划""轨迹优化""控制器""策略 policy"？用一个机器人走路例子说明。
- 为什么双足机器人比固定基座机械臂难很多？请至少从欠驱动、接触、稳定性三个角度说。
- ZMP/LIPM 这类经典方法解决了什么问题？它们最重要的简化假设是什么？
- Whole-Body Control 通常为什么会写成 QP？QP 里的目标和约束大概分别是什么？
- 学习型 humanoid locomotion 里，为什么 sim-to-real 是核心难点？你会先怀疑哪些 gap？
- 从找工作角度，你更想投哪类岗位：机器人运动控制、强化学习/机器人学习、具身智能/VLA、机器人软件工程，还是不确定？
下一节开场问题
进入阶段 1 · 控制栈与技术史的第一节。开场问题：
"机器人运控系统到底分几层，每层的输入/输出/时间尺度大概是什么？在你做 G1 RL+WBC 项目里，RL policy 输出的到底是什么？WBC 又接管了什么？"