李泽湘1.7万字阐述：如何培养出下一个大疆

课程由香港理工大学设计学院教授开设，为期两周。通过与基地创业公司和团队的合作，也积累了很多机器人设计案例（包括常犯错误）。通过这些案例，学生了解了产品创意，设计、制造到使用的全过程。从不同的角度去理解产品定义（功能）与使用、适用以

及客户满意度的关系。工程师跳出工程师思维至关重要。

图18 产品定义与设计课程图18 产品定义与设计课程

此外，一年级寒假，学生会利用基地的木工坊制作自己喜欢的东西，比如复原达芬奇的设计。

同时，各年级学生还积极参加机器人领域国际知名学术会议（见表2），增长见识，了解前沿基础研究。

表2 各年级学生参加机器人领域国际知名学术会议统计列表表2 各年级学生参加机器人领域国际知名学术会议统计列表

5）数理基础课程：扎实的数理基础是一个优秀的机器人工程师所必备条件。机器人三大核心技术：感知(Sensing)，认知(Perception) 和控制(Action)离不开数理基础的支撑。通过数学和物理等科学知识的学习，学生能掌握和应用数理方法去建立机器人和相关系统的数学模型，并能够分析和验证这些模型的特证、设计出合理的机器人规划和控制策略。即使在数据科学和机器学习技术迅猛发展的今天，扎实的数理基础更能让我们深刻理解机器人的规律。工科领域数理基础训练最扎实的首推美国加州理工。从课时角度达到三年数学、两年物理、年化学/生物的基本原则（六门数学课、四门物理课、两门化学/生物，数理基础课程占比35%以上）。从学习深度物理教材用的是Richard Feyman的Lecture Notes on Physics（很多学校是研究生教材），强调物理知识与实际问题的结合。

加州大学伯克利分校电机系有一个不成文的规矩：硕士生的数学水平必须达到数学专业本科的水平，博士生的数学水平必须达到数学专业硕士的水平。而伯克利的数学是世界首屈一指的。

机器人学院的数理课程改革还有很长路要走。内容、教材、学习方式、Matlab等工具的使用、与机器人结合的课程案例等都需要深度的探索。为此，港科大数学系胡继善教授牵头组织了一个数理课程改革小组、我们期望能有更多的经验可以在以后分享。

6）《机器人学》课程改革案例介绍：这门课程起源于20 多年前我在加州大学伯克利分校读博时的段经历。那时的机器人教科书主以Richard Paul 和John Craig 的两本教材为主，对串联结构为主的工业机器人的运动学、动力学和控制有比较清晰的数学描述。但从上世纪90 年代起，机器人研究进入快车道，很多新的问题进入机器人研究者的视野，比如灵巧机器手、并联机器人、移动机器人（大狗、自动驾驶、空间机器人）等。各种不同的数学工具被引入到机器人领域去解释新现象和新对象（有如当今的机器学习）。这给要进入机器人领域的研究生带来极大的困惑。他们必须掌握多种不同的数学方法（很多非常不严谨）才能窥机器人全貌。这对大多数学生来说是几乎不可能的。我与伯克利的导师Shankar Sastry 和师弟Richard Murray 决定写本研究生机器人学教科书，利用近代数学的微分流形理论来统不同机器人的建模、分析与控制。

经过近步的演化，这门课也曾在港科大本科生的机器人课程里出现过（前面几章）。这门课最大的挑战是用高级数学语言来描述和分析机器人问题，比如刚体运动学、串连（和并联）机器人的运动学、动力学、轨迹规划和控制。学生既要学习数学概念（线性代数和数学分析基础差的学生尤感困难），又要与实际问题相结合（很多学生之前还没见识过工业机器人）。港科大的几次尝试不是特别成功。李群自动化是松山湖机器人产业基地的工业机器人公司，其工程师王红在哈工大深圳研究生院读博时上过这门课，也知道要让大学生掌握这些知识的难度。经过讨论我们对这门课进行了以下改革：

1. 理论让路，实际开头

前面四周，我们为学生提供了一个开放式的工业机器人系统。让学生通过操作对机器人系统的各个组成部分有个直观的了解。随后，给学生布置了两个任务：Pick & Place （工件抓放）和机器人与视觉系统的配合。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!