《具身机器人控制与应用》课程标准

课程代码: AI401 课程性质: 专业核心课 总学时: 72 (理论32, 实践40) 学分: 4.0 适用专业: 人工智能技术应用 授课学期: 第四学年第一学期

一、课程概述

《具身机器人控制与应用》是五年制高职人工智能技术应用专业的专业核心课程。本课程以宇树（Unitree）四足机器人为主要硬件平台，聚焦于将人工智能算法与物理机器人实体相结合，实现复杂的感知、决策与控制任务。课程旨在培养学生在具身智能领域的综合实践能力和创新能力，内容涵盖机器人操作系统（ROS）、传感器技术、运动控制、自主导航（SLAM）以及AI视觉应用等方面。通过项目驱动的教学模式，学生将系统地掌握具身机器人的关键技术，为未来从事机器人研发、集成与应用等岗位奠定坚实基础。

具身机器人核心 机器人导论与平台 ROS基础与通讯 传感器系统与融合 运动学与步态控制 SLAM与自主导航 AI视觉应用集成

二、课程目标

本课程旨在通过理论学习和大量实践，使学生达到以下目标：

  • 知识目标:
    1. 掌握具身智能的基本概念、发展趋势及伦理规范。
    2. 熟悉宇树四足机器人的硬件架构、传感器配置和运动原理。
    3. 理解ROS的核心概念（节点、话题、服务、参数），掌握其基本操作和编程方法。
    4. 掌握SLAM技术的基本原理，理解建图、定位与路径规划的核心流程。
    5. 了解常用AI视觉模型（如YOLO）的原理，并能将其应用于机器人任务。
  • 能力目标:
    1. 能够独立完成宇树机器人的启动、配置和远程连接，并进行基础调试。
    2. 能够编写ROS节点，实现机器人传感器数据的发布与订阅，以及服务通信。
    3. 能够使用宇树SDK或ROS接口控制机器人的基本运动（如站立、行走、转向）。
    4. 能够利用LiDAR和深度相机进行环境建图，并实现机器人在地图中的自主导航。
    5. 能够将训练好的AI视觉模型部署到机器人上，完成特定物体的识别与跟踪任务。
    6. 具备分析和解决具身机器人应用开发过程中常见问题的能力，以及撰写技术文档的能力。
  • 素养目标:
    1. 培养严谨的科学态度、规范的工程实践习惯和精益求精的工匠精神。
    2. 增强团队协作意识和沟通能力，能够在项目中有效分工与合作。
    3. 激发对人工智能和机器人技术领域的探索兴趣，培养自主学习和终身学习的能力。
    4. 树立正确的科技价值观，理解技术对社会的影响，恪守技术伦理和安全规范。

三、课程内容与学时分配

项目/模块主要教学内容能力与素养要求学时分配 (理论+实践)融入思政元素
项目一: 机器人初探
(导论与平台搭建)		1. 具身智能概念、历史与发展。
2. 机器人技术伦理与安全规范。
3. 宇树机器人硬件结构与系统介绍。
4. Ubuntu环境配置，机器人连接与调试。
5. 机器人遥控与基本动作指令。		了解具身智能；熟悉机器人平台；完成环境搭建与基本操作；培养安全意识。8 (4+4)讨论科技两面性，强调科技向善，树立安全第一的工程理念。
项目二: ROS入门
(机器人“神经系统”)		1. ROS架构与核心概念（Master, Node, Topic, Msg）。
2. ROS工作空间、功能包创建。
3. 编写发布者/订阅者节点（Python）。
4. 服务(Service)与客户端(Client)编程。
5. 常用可视化工具：Rviz, rqt_graph。		掌握ROS核心通信机制；能编写简单节点；使用ROS工具进行调试；培养模块化编程思想。12 (6+6)以“神经系统”为喻，讲解系统化、协同化的工作方式，弘扬协作精神。
项目三: 机器人之“眼”
(感知系统)		1. 宇树机器人传感器介绍（相机, LiDAR, IMU）。
2. 在Rviz中可视化传感器数据。
3. 使用Python和OpenCV处理图像数据。
4. 使用PCL或类似库处理点云数据入门。
5. IMU数据解读与姿态估计。		熟悉各类传感器；能获取并可视化数据；掌握基本的图像和点云处理方法。12 (4+8)“实践是检验真理的唯一标准”，强调数据驱动、眼见为实的科学精神。
项目四: 机器人之“足”
(运动控制)		1. 四足机器人运动学基础。
2. 宇树机器人高层运动控制接口（SDK/ROS）。
3. 编写程序控制机器人行走、转向、上下坡。
4. 步态规划概念简介。
5. 编写程序实现组合动作序列。		理解运动控制原理；能够编程控制机器人完成多种步态和动作。12 (4+8)学习机器人步态的稳定与协调，领悟“千里之行，始于足下”的实干精神。
项目五: 自主导航
(SLAM与路径规划)		1. SLAM基本原理（建图与定位）。
2. 运行Cartographer或GMapping进行2D建图。
3. ROS Navigation Stack介绍。
4. 在Rviz中设置导航目标点。
5. 编写程序实现机器人的自主巡航。		掌握SLAM建图流程；理解自主导航框架；能够实现机器人在已知地图中的点到点导航。12 (4+8)从未知到已知，讲解探索精神与规划能力的重要性，培养学生解决复杂问题的能力。
项目六: 综合应用项目
(AI赋能机器人)		1. 任务需求分析与方案设计。
2. 集成YOLO等AI视觉模型进行目标检测。
3. 实现机器人“看到-走向-执行”的闭环任务（如智能巡检、跟随等）。
4. 项目调试、优化与成果展示。
5. 撰写项目报告与答辩。		综合运用所学知识；具备项目开发全流程能力；培养创新思维和团队协作。16 (2+14)弘扬新时代工匠精神，鼓励创新创造，解决实际问题，服务社会发展。
ROS Communication Diagram /camera_node(发布者) /image_processor(订阅者) /image_raw(话题 Topic) ROS 核心通信模型: 话题 (Topic)

四、教学方法与手段

  • 教学方法:
    • 项目驱动法: 以六个递进的项目贯穿课程始终，将知识点融入具体任务，激发学生学习兴趣和解决问题的能力。
    • 任务引领法: 每次实践课发布明确任务单，引导学生自主探索、动手实践，教师进行巡回指导和关键点拨。
    • 翻转课堂: 理论知识部分鼓励学生通过在线资源预习，课堂时间聚焦于答疑、讨论和实践指导，提高课堂效率。
    • 分组学习: 综合应用项目采用分组形式，培养学生的团队协作和沟通能力。
  • 教学手段:
    • 硬件平台: 宇树Go1/Go2四足机器人（每2-3名学生一组）。
    • 软件平台: Ubuntu 20.04/22.04, ROS Noetic/ROS2 Foxy, Python 3, VS Code, Git。
    • 仿真平台: Gazebo或Isaac Sim进行辅助教学和初步算法验证，降低硬件损耗风险。
    • 在线资源: 建立课程专属学习平台或利用Github/Gitee，发布课件、代码、任务书，并进行作业提交与批改。
    • 多媒体教学: 结合PPT、教学视频、实例演示等多种方式，使教学内容生动直观。

五、考核评价

本课程采用过程性考核与终结性考核相结合的方式，全面评价学生的知识掌握、能力达成和素养形成情况。总成绩=过程性考核*50% + 终结性考核*50%。

考核类别考核方式考核内容分值比例说明
过程性考核 (50%)平时作业与出勤课堂练习、课后编程作业完成情况，课堂参与度10%考察基本概念掌握和学习态度
实验报告针对项目二至五，要求提交规范的实验报告，含步骤、代码、结果和分析20%考察实践操作、问题分析和文档撰写能力
项目中期检查对项目六（综合应用）进行中期检查，评估项目进度和初步成果20%考察项目规划、执行和团队协作能力
终结性考核 (50%)综合项目答辩项目六最终成果演示与现场答辩35%综合评价学生的技术应用、创新能力和表达能力
理论知识测试期末进行闭卷或开卷考试，考察核心概念和原理15%检验学生对课程理论体系的掌握程度

六、教材与参考资源

七、教学条件与环境要求

  • 硬件配置:
    • 具身机器人实训室，面积不小于100平方米，地面平整，有足够的机器人活动空间。
    • 宇树Go1/Go2机器人至少5台，并配备备用电池、充电器及常用维修工具。
    • 高性能PC机（建议配置：i7/R7及以上CPU, 16GB+ RAM, NVIDIA RTX 3060+ GPU），数量与学生分组数匹配。
    • 稳定可靠的局域网环境，支持机器人与PC间的无线通信。
  • 软件环境:
    • 操作系统：Ubuntu 20.04/22.04 LTS。
    • 开发软件：ROS Noetic/ROS2 Foxy, Python 3.8+, GCC, G++, VS Code, Git。
    • 核心库：OpenCV, PCL, NumPy, PyTorch/TensorFlow (可选)。
  • 安全保障:
    • 实训室需配备紧急停止按钮和安全围栏。
    • 教师需在首次实践课上进行详细的安全操作培训。
    • 机器人操作区域应与学生座位保持安全距离。