原文：《How to become a Robotics Engineer in 6 months》
w.theconstruct.ai/
所有程序都在基于浏览器的 ROS 环境中运行，并使用模拟机器人，这消除了初学者面临的最大障碍：无需 Ubuntu 双系统启动、无需周末安装、无需 GPU。免费套餐包含三门完整的课程。
3. Edouard Renard，《ROS 2 入门教程，第 1 级》（Udemy，促销价约 10 至 20 美元）
关联：
十三小时的Python和C++课程，涵盖节点、包、主题、服务、自定义接口、参数和启动文件。无需支付原价，Udemy折扣几乎永久有效。
4. 关节机器人学，Josh Newans（免费）
关联：
这是目前市面上最好的免费端到端教程：设计机器人、编写URDF、进行仿真、添加ros2_control、将其部署到配备激光雷达的树莓派上，然后进行SLAM和导航。它在ros2_control方面做得尤其出色，而几乎所有其他资源都在这方面有所欠缺。
5. MOGI-ROS，一门完整的大学课程（免费，Apache 2.0）
关联：
这是一份完整的 ROS 2 Jazzy 与 Gazebo Harmonic 的学期课程大纲，内容涵盖发布/订阅、URDF、传感器、导航和 MoveIt 2 机械臂，每周都提供可运行的代码。
6. 自动 Addison（免费）
关联：
这些指南以菜谱的形式按发行版分类，值得一提的是，它们已经包含了 Lyrical 和 Jazzy 的曲目。如果你想了解“如何在 Jazzy 中编写动作”，而不是学习完整的课程，那么这里就是你的最佳选择。
重点关注的内容：
- 节点、主题、服务和动作，以及了解给定问题需要这三者中的哪一种。
- 自定义消息和服务定义
- 参数和 YAML 配置文件
- 在 Python 中启动文件，传递参数和重新映射主题
- colcon 工作区和包布局
- 用于录制和回放的 ros2 bag，是调试偶尔才会出现的故障的方法。
一个值得指出的不足之处：我能找到的所有资源对 DDS 和 QoS 设置的讲解都非常糟糕。没有哪个课程能讲得好。当你遇到“我的主题可以发布但无法接收”这种莫名其妙的问题时，答案几乎总是 QoS 不匹配，而你最终会去阅读官方的概念页面，而不是教程。
练习任务：构建一个完全不包含机器人和模拟器的多节点系统。系统包含一个传感器发布节点、一个处理节点、一个基于服务的配置节点和一个参数化聚合器，并包含自定义的 .msg 和 .srv 文件。所有节点都集成在一个接受参数的 Python 启动文件中。使用 ros2 bag 录制并回放整个过程。这项练习无需任何成本，并且能够证明你理解了图论，而不仅仅是你会运行 turtlesim。
3. URDF、TF 和机器人描述
资源：
1. 关节机器人学，机器人坐标变换（免费）
关联：
本系列文章专门讲解帧和变换，这是大多数人理解URDF的难点所在。
2. Edouard Renard，《Level 2: TF, URDF, RViz, Gazebo》（Udemy，促销价约 10 至 20 美元）
关联：
这是最好的 URDF 资源，涵盖 xacro 宏、robot_state_publisher、RViz 配置和 Gazebo 插件，最终成果是一个带有机械臂的移动底座。
3. 官方 URDF 教程（含 robot_state_publisher，免费）
关联：
官方教程，提供 C++ 和 Python 两种版本。
需要了解的常见问题：
- 混淆了 joint_state_publisher 和 robot_state_publisher。修正方法：前者生成关节位置，后者根据这些位置计算变换。
- 缺少惯性标签。解决方法：如果没有惯性标签，你的机器人会爆炸或沉入凉亭地板下，所以务必添加质量和惯性标签。
- 缺少到激光雷达坐标系的静态变换。解决方法：这比任何算法问题都更容易导致初学者 SLAM 失败。
- 手动编写 400 行 XML 代码。解决方法：从一开始就使用 xacro 宏。
练习任务：使用 Xacro（而非 TurtleBot）设计你自己的机器人。机器人应包含一个差动驱动底座、一个传感器桅杆和一个两自由度云台，并设置正确的惯性矩，以及独立的碰撞几何和视觉几何。使用 `joint_state_publisher_gui` 驱动关节，并在 RViz 中查看完整的 TF 树。在 RViz 中截取你自己的机器人的屏幕截图，是初学者作品集中最清晰的展示。
4. 模拟
凉亭的命名历史让大家都感到困惑，所以这里简单解释一下。
Gazebo Classic（版本 1 至 11）已于 2025 年 1 月停止维护。它曾被重写并短暂更名为 Ignition Gazebo，随后在 2022 年 4 月的公告中改回 Gazebo，所有 ign 命令都变成了 gz。如果教程中使用了 roslaunch gazebo_ros 或 ign gazebo，则说明该教程已过时。
当前版本按字母顺序命名：Fortress、Garden、Harmonic、Ionic、Jetty
安装与您的 ROS 2 发行版相匹配的版本，否则您将会遇到构建错误：Humble 与 Fortress 匹配，Jazzy 与 Harmonic 匹配，Kilted 与 Ionic 匹配，Lyrical 与 Jetty 匹配。
资源：
1. Gazebo 文档和教程（免费）
关联：
建造你自己的机器人、移动它、SDF 世界、传感器以及生成 URDF
2. MuJoCo（免费开源）
关联：
这是目前速度最快、精度最高的接触动力学模型，采用CPU优先架构，无需GPU，是运动和操作学习领域的研究标准。
3. NVIDIA Isaac Sim（免费下载）
关联：
照片级真实感模拟和合成数据生成，在兴奋之前请先阅读配置要求链接：最低配置为配备 16GB 显存的 RTX 4080 ，而像 A100 和 H100 这样没有 RT 核心的数据中心显卡则完全不受支持。
决策框架：
- 先学习 Gazebo ，因为它是唯一原生集成到 ROS 2 中的模拟器，而且它可以在你已有的笔记本电脑上运行。
- 如果你需要强化学习或运动学方面的功能，可以选择MuJoCo ，它不需要 GPU。
- 只有当你拥有 RTX 硬件并且有特定原因时，才去玩Isaac Sim 或 Isaac Lab。
- 跳过PyBullet ，它自 2022 年以来就没有发布过任何版本，而且其维护者也关闭了问题跟踪器。
- 关注Genesis ，但不要基于它构建投资组合，因为 v1.0 版本刚发布，尚未集成 ROS 2。
练习任务：将上一节中创建的 Xacro 机器人导入 Gazebo，添加激光雷达插件和相机插件，并构建一个包含障碍物的自定义 SDF 世界供其运行。确认传感器数据出现在 ROS 2 主题中，并在 RViz 中渲染成功。
5. ros2_control
这是大多数自学考生从未接触过的主题，因此也是让自己脱颖而出的最快途径。
资源：
1. ros2_control 文档（免费）
关联：
URDF 与执行器的交汇点：硬件接口、控制器管理器以及 xacro 文件中的 <ros2_control> 标签
2. 关节机器人，ros2_control 在真实硬件上（免费）
关联：
唯一能够正确完成从仿真到实际硬件过渡的资源。
练习任务：为你的机器人添加 `<ros2_control>` 标签，通过 YAML 配置 `diff_drive_controller` 和 `joint_state_broadcaster`，并在 Gazebo 中使用键盘遥控控制它。然后编写一个动作服务器，使其能够按照指令行驶一段距离并报告进度，同时提供反馈和取消功能。将动作和 ros2_control 集成到一个项目中，绝对是一个强有力的作品集素材。
6. SLAM 和导航
资源：
1. Nav2 入门指南（免费）
关联：
不到五分钟即可在模拟环境中启动 Nav2，预配置的 VS Code 开发容器彻底消除了所有安装麻烦。
2. Nav2教程（免费）
关联：
涵盖SLAM、禁入区域、速度限制、碰撞监控、对接、GPS导航，以及如何编写自己的规划器、控制器或行为树节点。
3. SLAM 工具箱（免费开源）
关联：
目前支持的 ROS 2 SLAM 库包含同步、异步、全生命周期和仅定位模式，并支持多机器人。
4. RTAB-Map for ROS 2（免费开源）
关联：
适用于使用深度摄像头而非激光雷达，或需要 3D 地图的情况，基于外观的 RGB-D 和立体 SLAM，并具备回环检测功能。
重点关注的内容：
- 地图绘制和本地化的区别，以及何时将 SLAM Toolbox 切换到本地化模式
- 里程计质量很重要，因为SLAM工具箱需要它，而且模糊的地图几乎总是里程计问题，而不是算法问题。
- 代价图调优：膨胀半径、障碍层以及局部与全局分割
- 行为树是 Nav2 协调一切的方式，也是初学者最难掌握的部分。
用于真正SLAM的硬件分为三个层次：
- 0 美元：带模拟激光雷达的凉亭。请先在这里完成全部 SLAM 和 Nav2 课程。
- 250 美元至 450 美元：DIY：RPLIDAR C1（69 美元）、树莓派 4 或 5、带编码器的差动驱动底座、电机驱动器和电池。性价比最高，也是最省钱的方案。
- 300 美元到 535 美元：一个现成的平台。Hiwonder MentorPi M1 售价299.99 美元起，在树莓派 5 上运行 ROS 2 Humble 系统，配备激光雷达和深度摄像头。Waveshare 的 UGV Rover ROS 2 套件售价534.99 美元，它将树莓派主机和 ESP32 实时控制器分开，这正是实际机器人的架构方式。
关联：
关联：
练习任务：在你的 Gazebo 环境中运行 SLAM Toolbox，进行远程操控，保存地图，然后切换到定位模式，并从 RViz 发送 Nav2 目标。调整代价地图，直到机器人不再裁剪拐角。然后录制屏幕视频。一段机器人自主导航其自行构建地图的视频，是自学成才的机器人专家所能制作的最引人注目的作品。
第 4 个月里程碑
到本月底，你应该能够：
- 使用 Python 和 C++ 编写 ROS 2 节点，这些节点使用主题、服务和动作。
- 请使用正确的坐标系、惯性和碰撞几何体，在 Xacro 中描述您自己的机器人。
- 在 Gazebo 中模拟该机器人，使其具备正常工作的激光雷达和摄像头传感器。
- 配置 ros2_control 并通过控制器而非原始命令来驱动机器人
- 使用 SLAM Toolbox 构建地图，并使用 Nav2 进行自主导航。
- 诊断出 TF 树损坏，这是整个技术栈中最常见的故障。
⏩ ——————————————————————— ⏪
第五个月：让机器人真正运转起来的数学原理
本月目标：理解并运用你所构建的一切事物背后的控制和感知机制
到目前为止，你一直使用的库都帮你完成了那些繁重的工作。
本月你将了解到他们在做什么，因为能够配置 Nav2 的人和能够修复 Nav2 故障的人之间的区别就在于这些材料。
你不需要掌握所有这些知识，只需熟练运用控制技巧，具备足够的运动学知识来推断机械臂的运动，以及足够的视觉能力来从摄像头获取三维信息即可。
学习什么
1. 控制理论，从PID控制开始
你仅用了两个月的时间就凭感觉调好了PID控制器。现在来学习一下它为什么有效。
资源：
1. 理解 PID 控制，MATLAB 技术讲座，主讲人：Brian Douglas（免费）
关联：
七个部分涵盖了PID的定义、积分器饱和、微分滤波、调谐以及手动调谐与自动调谐的区别。本周带你快速从零开始打造一个可用的控制器。
2. Brian Douglas，控制系统讲座（免费）
关联：
本书以直观的方式讲解PID控制、状态空间控制、鲁棒控制和无人机控制，最适合没有接受过正规控制课程培训的人阅读。
3.《控制理论基础》，布莱恩·道格拉斯著（免费，知识共享许可）
关联：
视频的配套文字资料，以及连贯的叙述而非零散的课程内容。
4. 控制训练营，史蒂夫·布伦顿（免费）
关联：
39 个视频，以及进入状态空间、可控性、可观测性、LQR 和卡尔曼滤波器的正确切入点。
5. 反馈系统，Åström 和 Murray（免费 PDF）
关联：
这本严谨的教科书由普林斯顿大学出版社免费发布，方便您无需付费即可获得完整版本。
重点关注的内容：
- P、I 和 D 各自的物理功能是什么，以及它们的失效模式是什么。
- 积分器累积力矩，以及为什么当它脱离极限位置时你的手臂会猛地一甩
- 为什么导数项会放大传感器噪声并需要滤波？
- 稳态误差，以及积分器修正与重力补偿修正两种情况下的误差。
- 前馈是成本最低的性能提升方式，但大多数人从未添加过。
练习任务：使用第二个月的平衡机器人，在同一硬件上实现三种控制器：仅 P 控制器、PD 控制器和带前馈的 PID 控制器。将每种控制器的阶跃响应记录到 CSV 文件，绘制所有三种控制器的响应曲线图，并说明你会选择哪一种控制器以及原因。这张曲线图在面试中比任何证书都更有价值。
2. 状态空间、LQR 和 MPC
资源：
1. 理解模型预测控制，MATLAB 技术讲座（免费）
关联：
本文分为七个部分，从为什么要使用模型预测控制（MPC）到自适应和非线性变体，以及如何使其运行速度足够快以适应实际应用。
2. 欠驱动机器人学，Russ Tedrake，麻省理工学院（免费）
关联：
这里是控制理论与机器人学的交汇点：摆锤、倒立摆、行走、奔跑和人形机器人，运用动态规划、线性二次型调节器（LQR）、李雅普诺夫分析和轨迹优化等方法。免费提供笔记、PDF 和讲座视频。
重点关注的内容：
- 将系统表示为状态、输入和输出，而不是传递函数。
- 为什么LQR只是选择收益的一种原则性方法
- MPC 能为你带来什么，那就是约束；它的成本是什么，那就是计算能力。
- 欠驱动，以及为什么自由度小于执行器数量的机器人需要完全不同的思维方式
练习任务：用 Python 实现模拟倒立摆运动的 LQR 模型，然后用手动调谐的 PID 控制器实现相同的功能，并比较它们对扰动的处理方式。Tedrake 的笔记中已经给出了模型，所以你只需要实现模型，而不是推导模型。
3. 运动学和动力学
资源：
1.《现代机器人学》，凯文·林奇，西北大学（免费书籍、代码和视频）
关联：
http://hades.mech.northwestern.edu/index.php/Modern_Robotics
这本标准教材的免费预印本，以及配套的 Python、MATLAB 和 Mathematica 库和完整的视频课程，都采用了螺旋理论和指数乘积，而非德意志扩散函数（DH）参数，这种方法更简洁，也已成为行业标准。
2. 现代机器人学专业课程（Coursera，可免费旁听）
关联：
如果您需要设定完成期限，那么这套材料与包含考核的六门结构化课程体系相同。
3. Python机器人工具箱，Peter Corke（免费，MIT）
关联：
正向运动学、雅可比矩阵、数值逆运动学、轨迹生成以及五十多个真实机器人模型（包括 Franka 和 UR），因此您可以通过在真实手臂上运行代码来学习。
4.昆士兰科技大学机器人学院，Peter Corke（免费）
关联：
超过 200 个时长不到十分钟的视频课程，按先决条件级别分类，是简明扼要地解释 DH 参数、雅可比矩阵和姿态表示的最佳资源。
重点关注的内容：
- 同质变换及其组合，这就是万物之语言。
- 正向运动学很容易，而逆向运动学则不然。
- 雅可比矩阵，以及当你的手臂突然无法横向移动时，奇点在物理上意味着什么
- 工作空间限制，以及关节限制与可达性
- 轨迹生成，以及为什么有时在关节空间中进行插值，有时在笛卡尔空间中进行插值
练习任务：根据 SO-101 机械臂的连杆长度，手动计算其正向运动学，然后使用机器人工具箱进行验证。接下来，编写一个数值逆运动学求解器，使末端执行器移动到指定的 XYZ 轴，并观察其在奇异点附近的运动情况。感受机械臂失去一个自由度，有助于理解其运动学原理。
4. 感知与计算机视觉
资源：
官方的，免费的）1. 免费 OpenCV Bootcamp (
关联：
这是 OpenCV 官方推出的两到三小时课程，涵盖图像处理、滤波、边缘检测、跟踪和 DNN 模块。建议从这里开始，而不是付费课程。
2. OpenCV 相机标定教程（官方文档，免费）
关联：
这是一份包含完整 Python 代码的权威教程，涵盖从棋盘角点识别、畸变校正到重投影误差计算的各个步骤。每位机器人工程师都必须能够凭记忆完成这些步骤。
3. Cyrill Stachniss 讲座，波恩大学（免费）
关联：
完整的大学讲座录像，内容涵盖移动传感、摄影测量和SLAM，以及几何方面最好的免费资源：投影几何、光束法平差、扩展卡尔曼滤波和图SLAM。
4. Open3D 点云教程（免费）
关联：
对于已经熟悉 Python 的用户来说，使用 Python 实现体素下采样、法线估计、ICP 配准、平面分割和聚类等功能，比使用 PCL 要容易得多。
重点关注的内容：
- 相机内参和畸变，以及使用打印的棋盘进行实际校准
- 针孔投影，以及图像坐标和世界坐标之间的差异
- 立体视觉、结构光和飞行时间法测深
- 点云基础知识：降采样、平面拟合（用于查找表格）、聚类（用于查找表格中的对象）
- 为什么照明变化会破坏昨天运行良好的视觉通道？
练习任务：用打印的棋盘标定一台实际相机，保存相机内参，然后编写一个脚本，用于检测彩色物体并估计其相对于相机的三维位置。之后移动光源，观察脚本是否失效，并进行修复。这份故障及修复过程的记录可以作为作品集素材。
5. 操作和 MoveIt 2
资源：
1. MoveIt 2 入门指南（免费开源）
关联：
官方推荐使用 Ubuntu 24.04 上的 Jazzy 版本，以获得最流畅的体验。
2. 使用 MoveIt Task Constructor（免费）进行取放操作
关联：
ROS 2 中最实用的操作教程，讲解如何将任务分解为多个阶段，并实现抓取生成、逆运动学和碰撞管理。
3. 机器人操作，Russ Tedrake，麻省理工学院（免费）
关联：
本书共十二章，将硬件、运动学、感知、抓取、规划和控制融为一体，并结合模型驱动和学习方法进行教学，这正是目前行业运作的方式。
4. Contact-GraspNet，NVIDIA（免费代码）
关联：
基于深度图在杂乱场景中生成六自由度抓取模型，以及学习抓取的标准基线
练习任务：使用 MoveIt 2 为模拟机械臂规划运动，在规划场景中添加碰撞物体，并执行抓取和放置操作。然后，通过在唯一可行路径上放置障碍物来使其失败，并观察规划器的行为。理解规划器失败的原因比观察其成功更有价值。
第 5 个月里程碑
到本月底，你应该能够：
- 实现并调整PID控制器，并根据测量数据解释每个术语。
- 用状态空间描述系统，并在模拟系统中实现线性二次型调节器（LQR）。
- 手动计算正向运动学，并用数值方法求解逆运动学。
- 指着一个正在做奇点实验的机器人，解释什么是奇点。
- 校准相机并将像素转换为 3D 位置
- 在 MoveIt 2 中规划并执行无碰撞的取放操作
⏩ ——————————————————————— ⏪
第六个月：机器人学习、专业化和就业
本月目标：选择一个方向，围绕该方向打造作品集，并开始申请。
现在您拥有了完整的技术栈：电子元件、嵌入式系统、机械系统、ROS 2、控制和感知系统
本月分为两个部分。第一部分是前沿领域，即通过演示而非编程来训练机器人。第二部分是将你所构建的一切转化为能为你带来就业机会的技能。
第一部分：现代机器人学习
这是机器人技术领域在过去两年里发生彻底改变的部分，也是该领域吸引如此多资金的原因。
1. 乐机器人
LeRobot 是 Hugging Face 开发的用于实际机器人的 PyTorch 库，也是整个低成本机器人学习领域汇聚的开放中心。
工作流程为：远程操控、录制、训练、部署。您手动操控机器人，演示视频和动作数据同步保存，策略学习模仿这些演示，然后机器人即可自主运行。
资源：
1. LeRobot 文档（免费）
关联：
主要文档涵盖了完整的流程和所有支持的机器人。
2. LeRobot 代码库（免费，Apache 2.0 许可）
关联：
超过 26,000 颗星，以及了解政策实际执行情况的地方。
3. 拥抱脸机器人课程（免费，无需硬件）
关联：
完全基于模拟环境和公共数据集运行，因此您可以在购买任何产品之前完成所有操作。每个单元大约需要 30 到 45 分钟。
4. SO-101 设置指南（免费）
关联：
您在第三个月搭建的机械臂的精确端口查找、电机设置、校准和记录命令。
重点关注的内容：
- 完整地记录、训练、部署循环，全程在您自己的手臂上进行
- 数据集质量至关重要，因为基于粗劣示范训练的策略本身也是一种粗劣的策略。
- ACT（文档推荐的初始策略）以及为什么预测未来一系列行动比预测单个步骤更有效
- 扩散策略将策略表示为去噪过程，并在十二项任务中取得了比先前方法平均46.9%的性能提升。
练习任务：在你的 SO-101 设备上录制 50 次简单任务的演示，例如拿起一个立方体并将其放入容器中，训练一个 ACT 策略并部署它。该策略可能成功率只有一半。然后录制另外 50 次演示，涵盖失败的情况并重新训练策略。记录训练前后的成功率。这个数字以及你进行了测量这一事实，构成了你的作品集组成部分。
2. 视觉-语言-动作模型
这些是机器人技术的基础模型，了解自己实际能够运行哪些模型至关重要。
- π₀、π₀-FAST 和 π₀.₅ 算法来自 Physical Intelligence，采用Apache 2.0 许可，权重开源，并使用超过 10,000 小时的机器人数据进行预训练。代码库坦诚地指出，这些算法是为他们自己的机器人开发的，因此无法保证迁移到其他模型。
关联：
- OpenVLA ，70亿个参数，完全开源，基于来自Open X-Embodiment的97万个机器人训练集进行训练，是文档最完善的开源VLA，方便阅读其代码。
关联：
- NVIDIA 的GR00T N1.7 ，代码采用 Apache 2.0 许可，权重则遵循 NVIDIA 开放模型许可协议，这一点常被错误报道。推理需要 16GB 以上的显存。
关联：
- Hugging Face 出品的SmolVLA是一款小巧的芯片，专为价格亲民的硬件设计，非常适合在 SO-101 接口上进行微调，而无需使用 7B 型号。
关联：
- Google DeepMind 的RT-2具有重要的历史意义，但没有公开的权重数据，因此请仔细研读论文，并使用上述方法之一进行练习。
3. 机器人强化学习
资源：
1. MuJoCo Playground（免费，Apache 2.0）
关联：
用于运动、操作和视觉任务的 GPU 加速环境，附带四个 Colab 教程，比其他方案更容易上手。从这里开始。
2. NVIDIA Isaac Lab（免费，BSD-3）
关联：
十六种机器人模型和三十多个预置训练环境，集成了 RSL RL、skrl、RL Games 和稳定基线。它是腿式和人形机器人仿真到现实的行业标准，并且从第四个月开始需要 RTX 硬件。
3. CS 285，深度强化学习，Sergey Levine，加州大学伯克利分校（免费）
关联：
这是目前最好的强化学习课程，而且莱文是一位机器人研究员，所以课程内容完全基于机器人领域，涵盖了模仿学习、策略梯度、Actor-Critic模型、基于模型的强化学习和离线强化学习。
练习任务：使用 Colab 教程中的 MuJoCo Playground 训练一个四足动物运动策略，然后改变奖励函数并观察步态的变化。您无需任何硬件，也无需使用 Colab 提供的免费 GPU 以外的任何设备。
第二部分：选择一个方向
三个方向确实存在。选择其中一个，让另外两个停留在识字水平就好。
方向一：机器人学习和具身人工智能
如果你想要前沿公司和最高的上限，这是最佳选择。
重点：LeRobot、VLA 微调、模仿学习、强化学习、仿真、PyTorch
这是薪酬最高也最具竞争性的领域，在这里，你亲自收集的真实数据集比任何证书都更有价值。
方向二：自主性和移动机器人
如果你想获得最多的工作机会，这是最佳选择。
重点领域：ROS 2、Nav2、SLAM、感知、传感器融合、C++
控制工程师和现场服务工程师加起来占所有机器人职位的20%以上，而且这个方向同时服务于这两个领域。
方向三：嵌入式、机电一体化和集成
如果你想立即开始工作，包括以承包商的身份工作，这是最佳选择。
重点领域：固件、电机控制、实时系统、PLC、功能安全、系统集成
这是最不光鲜亮丽但却最稳定的就业方向，也是技术员晋升工程师的真正路径。值得注意的是，66%的机器人项目报告称，认证导致了延误，因此功能安全知识是一项真正被忽视的专业技能。
4. 您的投资组合
我查看了该领域招聘人员实际声称的筛选标准，发现模式是一致的。
高信号：
- GitHub 仓库包含已记录的指标和提交历史记录，展现了迭代调试过程，而不是一次性提交完成的演示。
- 需要提供真实机器人部署的可靠性数据证据，而不仅仅是仿真数据。
- LeRobot Hub 上的公共数据集，其中已有数万个社区数据集。
- 对雇主所依赖的软件包的贡献：ROS 2 core、Nav2、MoveIt、Isaac Lab、LeRobot
- 系统集成工作，将传感器、执行器、规划和控制系统连接起来，并提供视频和清晰的文档。
他们明确列举的危险信号：
- 仍处于ROS 1生命周期末期，没有迁移迹象
- 声称的项目经不起三个后续问题的追问
- 纯粹的深度学习背景，没有运动学或具身认知方面的知识
- 教程完成证书的权重远低于实际贡献。
练习任务：选择你最满意的三个项目，重写它们的 README 文件。每个文件开头都需要一个视频，然后是电路图或架构图，列出你实际测量的数据，以及一个名为“哪里出了问题以及我是如何解决的”的章节。最后一个章节是自学作品集中最有价值的部分，因为它是无法通过教程伪造的。
5. 访谈
机器人面试与软件面试不同，LeetCode 测试在这里的预测能力要弱得多。
预计考点包括：逆运动学问题、PID 控制和反馈回路、传感器融合和卡尔曼滤波器、SLAM 概念、路径规划（包括 RRT）以及 C++ 与 Python 的优缺点。
此外，在优秀的公司里，你还可以期待：一次基于模拟的调试练习，他们会给你一个 MuJoCo 或 Isaac 场景，其中包含一个故意损坏的控制器；一个与实际工作相关的 ROS 2 架构问题；以及一次关于过去某个具体故障以及你如何诊断问题的长篇讨论。
Glassdoor 网站上有来自 877 家公司的 1721 道机器人工程师面试题，如果您想阅读真实案例，可以去看看。
关联：
练习任务：让别人就你自己的代码仓库对你进行20分钟的提问。不是概念，而是你的具体代码。比如，为什么用那个增益？为什么用那个传感器？电池电量下降会发生什么？在成功之前你尝试过什么？如果你无法深入回答三个问题，那么这个项目还不适合写进你的简历。
第六个月里程碑
到本月底，你应该能够：
- 录制演示数据集，并训练一个可在您自己的硬件上运行的策略。
- 解释行为克隆、ACT 和扩散政策之间的区别
- 请指出哪些VLA型号的配重是开放式的，哪些不是。
- 请说明你正在探索这三个方向中的哪一个，并解释原因。
- 展示三个项目组合，包括视频、指标和失败分析报告。
- 回答关于你代码中任意一行的三个层级的后续问题。
⏩ ——————————————————————— ⏪
结论
这六个月后你会期待什么？
我要实话实说，因为只有实话实说的版本才值得一读。
这份路线图不会让你在六个月内成为高级机器人工程师。
在这个领域，资深人士指的是拥有五年或五年以上在实体机器人上部署实时系统的经验，我查阅过的所有招聘信息都明确指出了这一点。
它会让你成为一名能够构建、调试和交付可运行机器人的工程师，能够理解从电气层到学习策略的整个技术栈，并拥有能够证明这一点的实际项目成果。
这足以让你进入这个领域，而复利效应正是在这个领域发生的。
坦白地说，需求情况就是这样。
我想提供真实的数据，而不是招聘博客上的那些数据，因为一些被广泛引用的机器人技术统计数据经不起推敲。
资金实力不容小觑。据 Crunchbase 数据显示， 2026 年上半年，实体人工智能初创公司通过 521 笔交易筹集了 474 亿美元，超过了 2022 年至 2024 年的总和。而仅专注于机器人领域的融资额，截至 2026 年 6 月底已达 188 亿美元，而 2025 年全年的融资额仅为 150 亿美元。
这些融资轮次都是真实的。Neura Robotics 融资14 亿美元，Skild AI融资 14 亿美元，Apptronik 融资5.2 亿美元，而 Figure根据《机器人报告》2026 年展望，融资后估值达390 亿美元。
但招聘速度落后于资本增长，这一点你应该知道。根据A3的数据，2026年上半年北美机器人订单量仅增长了2.0% 。根据IFR的数据，2024年美国机器人安装量下降了9% 。美国劳工统计局（BLS）的职业代码中，机器人工程师的增长率预计为1%至2% ，而不是你在职业文章中看到的那些没有来源依据的10%的数字。
而且，机器人领域的劳动力市场规模远小于软件领域。美国劳工统计局（BLS）预测，软件开发人员的年职位空缺约为106,100个，而机械、电气和工业工程师的总职位空缺约为57,200个。
所以准确的说法不是“机器人技术正在蓬勃发展，每个人都会找到工作”。
问题在于资金流入速度超过了合格人才的涌入速度，人才短缺集中在特定专业领域，而且入门级职位对没有学位的人异常开放。
一个具体数据可以说明这一点：按招聘数量计算，机器人领域最大的职位类别是自动化和机器人技术员，占3113个招聘岗位的20.3%；根据O*NET的数据， 68%的机器人技术员职位要求应聘者拥有副学士学位或相关证书。
它的薪酬是多少
全职在美国工作，请注意，不同来源的数据差异很大，所以我只提供范围和来源，而不是一个具体的数字：
- O*NET/BLS数据显示，机器人工程师的年薪中位数为122,930美元，这是目前唯一的官方数据。
- 沿海地区和资金雄厚的雇主提供的薪酬更高入门级：根据 Payscale 的数据，年薪大约在 8 万至 10 万美元之间。Salary.com
- 中级职位，3至6年工作经验：传统雇主年薪12万至16.5万美元
- 老年人：16万至23万美元主流
- 前沿的物理人工智能公司提供的薪酬远高于此。据 Figure 网站实时发布的数据显示，Helix AI 的机器人学习工程师基本年薪为 20 万至 40 万美元，感知工程师的年薪为 20 万至 35 万美元。
- 机器人基础模型专家：根据招聘人员的安置数据，总薪酬为 28 万至 47.5 万美元，但这并非调查数据，而是招聘人员报告的数据，并且股权权重很高。
为了便于参考，除美国以外，德国的平均总收入约为7 万欧元（数据来自 Glassdoor），瑞士约为9.5 万瑞士法郎，英国基本收入为3.2 万至 5 万英镑，印度约为65.3 万卢比。
自由职业者和合同工：
- Upwork 上的机器人工程师时薪22 至 70 美元，集群工程师时薪 30 至 50 美元。
- Upwork 上的 ROS 项目工作按交付成果定价：节点实现500 至 1200 美元，启动配置1200 至 2500 美元，传感器集成流程4500 至 7000 美元，完整系统架构7000 至 12000 美元。
- ZipRecruiter数据显示，ROS开发人员的平均时薪为52.84美元。
而真正让集成成为一项事业而非一项任务的关键在于：在一个机器人单元中，机器人本身的成本平均约占项目总成本的 25% 。其余四分之三的成本分别用于工程、安全和集成。一个价值 3.5 万美元的机械臂最终会变成一个价值 8 万美元的运行系统，而这 4.5 万美元的差价正是你所销售的。
无需学历和经验的入门途径：
- 远程操作和数据采集的平均时薪为 28.24 美元，大部分职位时薪在 22.12 美元到 32.93 美元之间。Figure 公司发布了一个人形机器人操作员职位，时薪为 25 美元到 35 美元，未说明学历要求；Weave Robotics 公司发布的职位时薪为 25 美元。
- 根据美国劳工统计局 (BLS) 的数据，机器人技术员的平均年薪为73,900 美元，通常需要拥有副学士学位才能入职。
要清醒地认识到第一点：这个薪资水平的工作大多位于美国生活成本最高的几个大都市，通常需要现场办公，而且工作强度很大。这的确是进入新兴公司的绝佳机会，但并不意味着在旧金山能过上舒适的生活。
现在，我真正想让你们从这一切中记住的是……
动手做项目，不要只看资料。每个月选一个项目，然后实际动手做。比如循线机器人、平衡机器人、机械臂、ROS 2导航栈、训练好的策略等等。把它们搞坏，修好，拍下来，然后上传到GitHub。我咨询过的所有招聘渠道都说了同样的话：作品集优先的招聘方式比关键词搜索更有效，真正能帮人找到工作的项目，都是那些有详细指标记录和完整调试历史的项目。
把出错的地方都记下来。如果你只能从这篇文章中记住一点，这就是我给出的具体建议。任何人都可以发布一个可运行的演示程序。但几乎没有人会记录下最先出错的四个地方，以及他们是如何诊断每个问题的。这份记录最能证明你具备工程能力，也是你的代码库能够经受住面试中第三个后续问题考验的原因。
在你感觉准备好之前就开始行动。申请技术员职位，轮值远程操作班次，为 Nav2 贡献一些小修复，给那家只有三个人的机器人创业公司的创始人发个信息。“我正在学习机器人技术”和“我从事机器人工作”之间的差距几乎完全在于心理素质，而且这个领域里没有人会告诉你，你已经学够了。
每天专注训练两小时，持续六个月，就足以改变你用手和头所能做的事情。
硬件比以往任何时候都便宜，软件是开源的，课程是免费的，而真正能让机器运转起来的人却非常稀少。
去建造一些会动的东西。
希望这对你们有用，我的家人❤️