在進入機器人技術之前，先加強你的數學基礎。 機器人技術是運行在馬達上的應用數學。沒有數學，你只是在連接元件和複製代碼。 線性代數 • 向量和坐標系 • 矩陣乘法 • 特徵值，特徵向量 • 變換和旋轉 (SO(3), SE(3)) 每一個姿態估計，每一步傳感器融合，每一層神經網絡都是線性代數。 微積分 • 導數作為變化率 • 積分作為累積 • 微分方程 • 梯度和優化 控制系統是微積分。軌跡生成是微積分。學習算法是微積分。 概率和統計 • 隨機變量和分佈 • 貝葉斯法則 • 期望和方差 • 高斯噪聲模型 真實的傳感器是有噪聲的。狀態估計是概率性的。卡爾曼濾波器、粒子濾波器、SLAM；都是統計。 像 ROS 2 和 Gazebo 這樣的工具是介面。 數學才是實質。...