DRE@MTECH · 本科生部

入组建议学习路线和参考资料

六个本科生小组的推荐成长路径。每个阶段附带阶段说明与一句推荐自测,点击节点查看概念、最少掌握要点与参考资料

  • 分支推荐节点
  • 分支可选节点
  • 路线分支

AI & Control

AI 算法 × 机器人硬件的复合培养

智能与控制组聚焦人工智能算法在机器人领域的落地,配备六轴机械臂、机器车、机器狗、科研无人机等实验资源。路线从 Python 与 Linux 起步,同步打牢 STM32 硬件与 PID 控制,再进入机器学习、深度学习与 Transformer,最终落到“智能车/嵌入式项目 + 小型多模态模型”的考核闭环,成为智能算法与物理机器人之间的桥梁。

建议周期
建议 14–18 周
完成目标
完成一个带 PID 控制的嵌入式/智能车项目,并能自主搭建或修改一个小型神经网络(如轻量 CNN 或多模态模型),实现 AI 与物理世界的交互

学习进度

0 / 20 个必学节点 分支可选 0 / 3

阶段 01

Python 与 Linux 基础

迈过 Python 第一步,掌握面向对象、虚拟环境与数据处理库,并能在 Linux 环境下完成基本操作。

推荐自测 用 NumPy/Pandas 写一份数据清洗脚本

阶段 02

硬件基础与 STM32

掌握模电数电前置知识,熟悉 STM32 嵌入式平台,并理解 PID 控制算法,为机器人项目打底。

推荐自测 用 STM32 写一个带 PID 的电机调速程序

阶段 03

机器学习与深度学习

理解梯度下降、回归分类与神经网络的本质,掌握 PyTorch 与 OpenCV,并理解 Transformer 注意力机制。

推荐自测 用 PyTorch 搭一个小型 CNN 并跑通训练

阶段 04

综合与实习期项目

硬件上做一个带 PID 的嵌入式/智能车项目,AI 上自主搭建或修改一个小型神经网络,体现 AI 与物理世界的交互,并按可交付标准收尾复盘。

推荐自测 讲清项目的控制闭环与模型推理链路

内容待定 实习期考核内容待定:具体考核形式、时间与要求以后续通知为准。

阶段 05

实习期考核

位于“综合与实习期项目”与“实习期”之间的考核结点:以项目展示、提问与方向展望的面试形式,由工作组负责人与核心成员评定是否进入实习期。

推荐自测 待定

阶段 06

实习期实战与方向深入

通过考核后进入实习期:掌握单板计算机、Docker 与 ROS,理解视觉多模态与三维重建;控制算法进阶与机器人学为整体选修,按任务选学。

推荐自测 在 Jetson/树莓派上跑通一个 ROS 节点并调用传感器

终点 完成一个带 PID 控制的嵌入式/智能车项目,并能自主搭建或修改一个小型神经网络(如轻量 CNN 或多模态模型),实现 AI 与物理世界的交互