前面三节，我们聊了哲学，聊了架构。现在，是时候卷起袖子，推开实验室的大门了。
在接下来的旅程中，你将和各种形态的机器人打交道。它们有的像人，有的像狗，有的干脆就是四个轮子加一块主板。但它们共享同一套底层逻辑——感知、决策、行动。
这一节，我们不写代码，不做推导。就纯粹来逛一圈，认识一下未来会陪伴你学习的四位“助教”。
如果你在社交媒体上刷到过机器人，大概率是它。人形机器人拥有和人类相似的双臂、双腿、躯干和头部，身高通常在一米三到一米八之间，体重从几十公斤到上百公斤不等。
为什么要把机器人做成人形？ 答案很朴素：因为我们生活的世界——门把手的高度、楼梯的坡度、工具的握径——都是按照人类的身体尺寸设计的。一个轮式机器人可能被一级台阶拦住，而双足人形机器人可以直接走上去。它可以蹲下来捡起地上的扳手，可以侧身挤过狭窄的走廊，甚至可以爬梯子。
当然，代价也很高昂。双足行走涉及极其复杂的平衡控制，每迈出一步，全身几十个关节都要在毫秒级时间内协同调整。在人形机器人身上，你会最深刻地理解什么叫“牵一发而动全身”。
在本教程的仿真环境中，你将操控一个简化版的人形机器人模型。让它站直、走路、挥手、蹲下——从这些最基本的动作开始，建立对全身运动控制的直觉。
如果说人形机器人的关键词是“通用”，那四足机器狗的关键词就是“稳定”。
你大概率在视频里见过它：四条腿，没有头，长得有点像一只放大的金属昆虫。它能小跑，能快走，能爬碎石坡，能在冰面上保持平衡，即使被人从侧面猛踹一脚，也能在一连串快速微调后恢复稳定。这种惊人的抗干扰能力，来自它四条腿上密布的力传感器和每秒数百次的姿态修正。
四足机器狗是学习运动控制的绝佳平台。 相比人形机器人的几十个自由度，四足机器狗的腿通常只有十几个自由度，控制难度大幅降低，但你依然能学到步态规划、触地检测、地形适应这些运动智能的核心概念。更重要的是，开源的仿真环境里四足机器人模型非常成熟，你很快就能让它跑起来。
如果说人形机器人和四足机器狗主攻“移动”，那灵巧手主攻的就是“操作”。
它看起来像一只金属骨骼的机械手掌，有五根手指，每个手指有三到四个关节，指尖常常覆盖着触觉传感器。灵巧手的终极目标只有一个：像人手一样，稳定且精细地抓取和操控任意形状的物体。
这背后的难度大到不可思议。拿起一枚硬币，你的拇指和食指需要找到合适的摩擦力和压力点；拿起一个纸杯，力大了会捏扁，力小了会滑落；转动手中的笔，更涉及手指之间的动态接力。人类不假思索就能完成的事，对机器人来说每一步都是一道复杂的物理题。
在本教程中，你会接触到配备了简化夹爪或灵巧手的机械臂。你会亲手调试抓取策略，体验当指尖的触觉信号回传到决策系统时，机器人如何像你一样“轻轻地”拿起一枚鸡蛋。
别因为它长得像遥控玩具就轻视它。自动驾驶小车是整个具身智能领域里，最适合新人上手实践的平台。
它通常只有鞋盒大小，四个轮子，装着一个摄像头、一组超声波或激光雷达传感器，以及一块嵌入式开发板。麻雀虽小，五脏俱全——感知（摄像头和雷达），决策（主控芯片上运行的导航算法），行动（电机驱动车轮），三根柱子一个不缺。
更重要的是，它把问题复杂度压缩到了最低。 你不用操心几十个关节的平衡问题，不用操心高维动作空间的规划，你只需要聚焦一件事：如何根据传感器输入，决定车子往左转还是往右转，油门踩多深。这意味着你可以在几天之内完成“从数据采集到模型部署”的完整闭环。对初学者来说，这种快速获得正反馈的体验极其珍贵。
在本节结束前，我想留一个非技术的任务：请你去B站或YouTube，在这四种机器人里挑一个你最感兴趣的，搜索观看至少三段相关视频。
不要只是看热闹。带着前面三根支柱的框架去看——它用什么传感器感知环境？它的决策逻辑可能是什么样的？它每一步动作背后，哪些关节和电机在协同工作？
看完之后，你大概率会热血沸腾。这份热血，就是支撑你啃完后面所有技术章节的核心动力。
我们下一章见。