关于机器人状态估计(4)-成长路径与能力提升

今天突然想起应该补充一下正确的成长路径和需要掌握的技能

机器人状态估计是一门学习曲线陡峭的学科，总体来说需要大量的数学知识，以及较强的代码能力。很多工程师总是会在这个领域开始时就容易放弃，这里我总体描述一下应该如何有效地提升能力，无论是未来考研，还是从事机器人行业(如自动驾驶)，还是从事XR或元宇宙行业，相信都会有较大的作用。

1.首先第一步，机器人状态估计数论入门整体是由50%的线性代数，20%高等数学，10%概率导论，20%李群与李代数构成的。

2. 线性代数部分需要深入学习矩阵的本质，相关的所有矩阵运算，熟悉向量的使用。

需要充分了解矩阵正定，可逆所代表的性质，熟悉特征值与特征向量，熟悉行列式

需要认真学习矩阵常用分解，分解是缓释求逆开销的核心方式：如chole sky/QR//SVD分解

熟悉舒尔补操作，以及由舒尔补代出的SMW恒等式

常用的针对矩阵与向量的最小二乘法

3. 概率导论需要充分了解贝叶斯法则，贝叶斯推断与最大后验估计(系列的贝叶斯部分有描述)

4. 高等数学主要涉及求导，积分，以及偏导数与链式法则，在机器人状态估计中相关运算需要经常和矩阵与向量进行结合，常用一阶泰勒展开。

5. 需要熟悉掌握C++，掌握OpenCV用法，基于64位Ubutun的搭建与使用。需要完全掌握Eigen(矩阵)，Sophus(李群李代数)这2个库的使用，以及2种关键的非线性优化工具的使用(掌握其一即可)：CERES或G2O

以上5项就是机器人状态估计的入门条件了，其实也不是很难？对不

正常在本科阶段一定可以掌握入门基础

接下来讲一下成长路径：

1. 多参加机器人相关比赛，如RC/RM，基本如果进入其中一个队或组，就有了基本条件

2. 机器人状态估计本质是旋转与平移的艺术，充分地建立空间感，了解6DOF

3.大量地实验，千万不要一个人搞，找多几个志同道合的小伙伴一起做，不然非常痛苦

4.无论机械，电控，感知(视觉)，在哪个组只要专心突破，都能慢慢掌握这个学科

5.切勿发散，注意收敛。入门时期打好基础，开源代码永远只是用于验证的东西，实际自己能够建立和掌握的工程才是自己的东西