Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

機器人線上課程與學習資源

機器人領域的線上課程與學習資源,幫助你從基礎概念開始,逐步掌握機器人開發所需的知識與技能,適合不同程度的學習者。

課程

  • Modern Robotics: Mechanics, Planning, and Control Specialization: Northwestern University 推出的全面 6 門課程系列,涵蓋現代機器人學最重要的概念,包括運動學、動力學、運動規劃與控制。以 Kevin Lynch 與 Frank Park 的教科書為基礎,並在 V-REP 模擬器中使用 KUKA youBot 行動操作機器人進行實作專案。
  • HuggingFace Robotics Course: 一門全面的免費課程,以 LeRobot 銜接機器人學的理論與實務。學習古典機器人學的基礎,以及以學習為基礎的現代方法,包括模仿學習、強化學習,以及 PI0 與 SmolVLA 等通用機器人策略。
  • Principles of Robot Autonomy: Stanford 的機器人自主課程系列,以免費線上教科書的形式公開,並附上配套的講座、投影片與程式碼。這本書是 Daniele Gammelli、Joseph Lorenzetti、Katie Luo、Gioele Zardini 與 Marco Pavone 所著的 Principles of Robot Autonomy,正由 Cambridge University Press 出版,可在 porabook.com 免費閱讀全文,或在 arXiv 上取得 531 頁的 PDF。全書 19…
  • Robotics Academy: Learn Robotics, AI and Computer Vision: 一套免費、採用 GPL-3.0 授權的 43 個機器人程式設計練習,來自 Universidad Rey Juan Carlos 的機器人研究團隊 JdeRobot。每個練習都會給你一台模擬機器人和一個空函式:你要撰寫 Python 程式,讓 F1 賽車沿線行駛、讓無人機逃出機庫、讓掃地機器人清掃整個房間,或讓 TurtleBot 找到走失的人。所有內容都在預先準備好的 Docker 映像檔中的 ROS 2 Humble 與 Gazebo 上執行,因此模擬器、OpenCV 與 PyTorch 都已安裝完成,你可以直接在瀏覽器中編輯、執行與除錯。同樣的練習也可以在 JdeRobot 的託管版本…
  • Robot Learning: From Fundamentals to Foundation Models: ETH Zurich 2026 年春季的機器人學習研究所課程(263-5911-00L),由 Oier Mees 授課,完整內容公開在 Computer Vision and Geometry Group 的課程頁面上:十一份講義投影片並附 YouTube 錄影、十場客座演講錄影(講者包括 Cheng Chi、Ted Xiao、Quan Vuong、Aviral Kumar 與 Lucas Beyer)、每週精選的論文清單,以及放在公開 GitHub 儲存庫中的四份程式作業。課程內容從機器人控制與…
  • ROB 501: Mathematics for Robotics: University of Michigan 為機器人工程師開設的研究所程度應用數學課程,由 Jessy Grizzle(Michigan Robotics 主任)講授,並已完整免費公開:26 部講座影片、一本開放教科書、講義、附解答的習題課、十份作業與兩次考試。課程建立現代機器人學背後的數學基礎,從向量空間與最小平方法,到卡爾曼濾波器、凸性與最佳化。
  • SLAM Course: 一門全面的 MOOC,涵蓋機器人的同步定位與建圖(SLAM)。課程分為 7 個單元、共 77 部影片講座,從機器人運動模型與感測器資料開始,依序講解貝氏濾波器、卡爾曼濾波器、EKF-SLAM 與粒子濾波器 SLAM(FastSLAM),最後介紹 Dijkstra 與 A* 等路徑規劃演算法。附有 Python 程式設計練習,可動手實作所有演算法。被廣泛認為是學習 SLAM 最好的免費資源之一。
  • Introduction to Mobile Robotics: 一門全面的大學課程,涵蓋行動機器人的基本概念與技術。主題包括輪式移動、感測器、機率推理、貝氏濾波器、卡爾曼濾波器、粒子濾波器與 SLAM。課程強調以機率論明確表示不確定性,將感知視為狀態估計,將行動視為效用最佳化。由基礎教科書 Probabilistic Robotics 的共同作者 Prof. Wolfram Burgard 講授。完整的講義投影片與練習均可免費取得。
  • Introduction to Reinforcement Learning: 這套經典講座系列由 DeepMind 首席科學家、AlphaGo 與 AlphaZero 的共同創造者 David Silver 在 University College London 講授,介紹強化學習的主要方法與技術。這門共 10 講的課程涵蓋:Introduction to RL、Markov Decision Processes、Dynamic Programming、Model-Free Prediction、Model-Free Control、Value Function Approximation、Policy Gradient Methods、Integrating…
  • CS 285: Deep Reinforcement Learning: 這門課程涵蓋控制、強化學習與深度學習的交會領域。主題包括強化學習形式體系的進階探討、無模型 RL 演算法(策略梯度、價值函數、Q-learning、actor-critic)、基於模型的 RL、模仿學習,以及探索、影片預測、遷移學習、多任務學習與元學習等進階主題。先備知識包括熟悉 RL、數值最佳化、機器學習與深度神經網路。
  • Robotic Manipulation: Perception, Planning, and Control: 這門課程介紹建構機器人系統的基本演算法方法,讓機器人能在住家與餐廳等非結構化環境中自主操作實體物件。主題包括感知(深度學習與 3D 幾何方法)、規劃(機器人運動學、軌跡生成、無碰撞運動規劃、任務與運動規劃、不確定性下的規劃),以及動力學與控制(基於模型與基於學習)。學生將建構一套軟體堆疊,讓機械手臂能在雜亂場景中自主操作物件。

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。