机器人中的数值优化深蓝学院

后端开发

课程简介

课程定位与前置门槛数值优化是机器人状态估计、运动规划与控制算法背后的数学骨架。这门课直接切入机器人领域中最核心的几类优化问题，包括非线性最小二乘、序列二次规划以及凸优化等，旨在打通从数学原理到工程实现的最后一公里。课程明确设置了较高的数学门槛，要求读者具备扎实的微积分、线性代数以及矩阵论基础。这并不是为了劝退，而是提醒学习者：如果在处理雅可比矩阵、海森矩…

已有 0 人浏览发布 2026-10-07 更新 2026-10-07

课程定位与前置门槛

数值优化是机器人状态估计、运动规划与控制算法背后的数学骨架。这门课直接切入机器人领域中最核心的几类优化问题，包括非线性最小二乘、序列二次规划以及凸优化等，旨在打通从数学原理到工程实现的最后一公里。课程明确设置了较高的数学门槛，要求读者具备扎实的微积分、线性代数以及矩阵论基础。这并不是为了劝退，而是提醒学习者：如果在处理雅可比矩阵、海森矩阵或李群李代数运算时感到吃力，直接上手代码会产生巨大的认知负荷。

对于具备上述数学背景的开发者，尤其是正在从事SLAM、IMU预积分或轨迹优化研究的工程师来说，这门资料的价值在于它不提供泛泛而谈的概念科普，而是聚焦于典型数值算法的原理剖析与实现细节。它将抽象的优化理论具体化为可执行的代码逻辑，帮助你在理解问题结构的同时，掌握算法在不同约束条件下的对应关系。

核心内容与技术栈映射

课程内容的编排遵循“问题分类-算法原理-实现细节-机器人案例”的逻辑链条。你将系统学习针对不同优化问题类型的求解策略，重点在于理解算法背后的推导过程及其在边界条件、收敛性等方面的实现考量。更重要的是，课程通过具体的机器人领域实例，如视觉惯性里程计中的因子图优化、机械臂逆运动学求解等，展示了如何将实际物理问题抽象为数学优化模型。

这种学习方式强制要求你对照源码进行实践。你需要深入阅读和优化求解器的内部实现，而非仅仅调用封装好的库。通过对比不同算法在相同机器人任务上的表现，你能清晰地建立起问题结构与算法选择之间的映射关系，从而在实际工程中快速定位性能瓶颈。

自学路径与落地能力

建议的学习路径是：首先快速回顾相关的矩阵分析与梯度计算基础，确认没有知识盲区；随后按照课程顺序，先攻克非线性最小二乘的的高斯牛顿法与列文伯格-马夸尔特法，这是后续所有复杂优化的基石；接着进入序列二次规划与凸优化的学习，最后结合机器人案例进行综合实战。

完成学习后，你将具备独立分析和实现机器人核心优化模块的能力，能够针对特定的状态估计或轨迹规划需求，选择合适的数值优化算法并进行参数调优与代码实现。请务必配合课程提供的源码资料进行动手练习，只有在调试和优化过程中遇到的每一个梯度报错和收敛异常，才能真正转化为你的工程经验，避免陷入只懂原理不会落地的困境。

课程介绍

学习课程需要微积分、线性代数和矩阵论的数学基础。课程针对不同的优化问题类型，给出典型的数值算法的原理及其各方面的实现细节。在对原理和细节的理解之上，通过具体的机器人领域的例子及其求解，从而理解问题结构和优化算法之间的对应关系，帮助伙伴们高效学习，透彻理解原理并实现应用落地。

课程目录

数值优化.png (129.73 KB, 下载次数: 0) 2024-1-2 18:51 上传 课程介绍： 学习课程需要微积分、线性代数和矩阵论的数学基础。课程针对不同的优化问题类型，给出典型的数值算法的原理及其各方面的实现细节。在对原理和细节的理解之上，通过具体的机器人领域的例子及其求解，从而理解问题结构和优化算法之间的对应关系，帮助伙伴们高效学习，透彻理解原理并实现应用落地。 课程目录： ├──第二章 | ├──1视频】章节内容介绍.mp4 133.42M | ├──2视频】为什么要引入拟牛顿法.mp4 222.91M | ├──3视频】凸且光滑的函数的BFGS优化算法.mp4 926.61M | ├──4视频】非凸但平滑的函数BFGS优化算法.mp4 468.41M | ├──5视频】L-BFGS优化算法.mp4 291.29M | ├──6视频】线性共轭梯度法.mp4 760.24M | ├──7视频】牛顿共轭梯度法.mp4 179.95M | ├──8视频】应用：平滑导航路径生成.mp4 244.20M | └──L2-Numerical Optimization in Robotics.pdf 34.70M ├──第三章 | ├──1视频】带约束优化问题的定义.mp4 164.03M | ├──2视频】带约束优化问题的分类及复杂度.mp4 606.88M | ├──3】低维线性时间线性规划算法：Seidel算法.mp4 1.18G | ├──4低维线性时间严格凸二次规划算法.mp4 879.70M | ├──5视频】约束优化的3种序列无约束化方法.mp4 1.24G | ├──6KKT条件与PHR增广拉格朗日乘子法.mp4 273.43M | ├──HW3_20220822_175717.rar 483.22kb | ├──L3-Instruction.pdf 487.33kb | ├──L3-Numerical Optimization in Robotics.pdf 13.81M | └──第三章作业思路提示-助教姜金圻.pdf 192.06kb ├──第四章 | ├──1视频】PHR增广拉格朗日乘子法.mp4 1.10G | ├──2.【视频】约束优化应用1：控制分配问题.mp4 251.08M | ├──3视频】约束优化应用2：碰撞距离计算.mp4 327.24M | ├──4频】约束优化应用3：非线性模型预测控制.mp4 23.25M | ├──5视频】锥与对称锥.mp4 146.32M | ├──6视频】锥增广的拉格朗日.mp4 1.16G | ├──7视频】应用：时间最优的路径参数化.mp4 665.61M | ├──L4 Numerical Optimization in Robotics.pdf 12.59M | └──L4Homework.pdf 323.14kb ├──第五章 | ├──1视频】Smoothing Techniques.mp4 1.27G | ├──2视频】Adjoint Sensitivity Analysis.mp4 756.17M | ├──3视频】About Linear Solvers.mp4 560.74M | ├──4Resources for Optimization Softwares.mp4 77.78M | ├──5视频】大作业.mp4 349.81M | └──L5-Numerical Optimization in Robotics.pdf 5.18M ├──第一章 | ├──第一节 | | ├──Matrix Computations.pdf 13.11M | | └──参考资料.zip 27.53M | ├──第一章第一节 | | └──L1-Numerical Optimization in Robotics.pdf 6.59M | ├──1.【视频】Introduction.mp4 447.22M | ├──2Convex Sets.mp4 308.03M | ├──3【视频】High-Order Info of Functions.mp4 280.22M | ├──4视频】Convex Function Property.mp4 879.35M | ├──5【视 频】Unconstrained Optimization for Nonconvex Functions.mp4 351.27M | ├──6【视频】Modified Damped.mp4 495.37M | ├──L1_Instruction.pdf 192.25kb | ├──L1思路提示.pdf 330.74kb | ├──第一章作业.docx 366.61kb | └──第一章作业分享-坦克小白.pdf 1.42M ├──1：【视频】汪博直播答疑回放.mp4 337.63M ├──机器人中的数值优化开课仪式.pdf 995.63kb └──课件资料zip 107.89M

机器人中的数值优化 深蓝学院