Robotics Course

你好呀！欢迎来到这门来自 Hugging Face 的免费机器人课程。别被“机器人”三个字吓到，这门课是 零基础友好 的，你不需要有编程或硬件经验。我们主要会用 Python 和一些现成的工具来模拟机器人行为，让你快速上手。

这门课的核心是让你理解机器人如何“思考”和“行动”。我们会用到 Hugging Face 上的模型和库，比如 Transformers 和 Gymnasium（一个强化学习环境）。考虑到国内网络，建议你提前准备好以下环境：

1）安装 Python 3.8 或更高版本（推荐 3.10）。去 python.org 下载就行，或者用 Anaconda 管理环境。
2）在命令行里运行以下命令安装依赖库（如果下载慢，可以用国内镜像源，比如清华源）：
pip install transformers gymnasium numpy torch --index-url https://pypi.tuna.tsinghua.edu.cn/simple
3）注册一个 Hugging Face 账号（huggingface.co），方便后面下载模型。如果打不开官网，可以用镜像站 hf-mirror.com。
4）准备一个文本编辑器（VS Code 或 Jupyter Notebook 都行）。

这门课一共 4 个章节，我们会从最简单的“让机器人说话”开始，一步步到“让机器人自己学走路”。每章都有可以直接跑的代码和 Prompt 模板。准备好了吗？我们开始吧！

机器人怎么才能像人一样聊天？其实不需要自己写 AI，直接用 Hugging Face 上别人训练好的模型就行。这一章我们会用 Transformers 库 加载一个对话模型，让机器人回答你的问题。

操作步骤：
1）打开你的 Python 环境（比如 Jupyter Notebook），新建一个文件。
2）导入 Transformers 库，并加载一个中文对话模型。这里我们选 Qwen/Qwen2-0.5B-Instruct（这是一个阿里出的轻量模型，国内可正常下载）：

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "Qwen/Qwen2-0.5B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)

3）写一个简单的对话函数：

def chat_with_robot(prompt):
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(inputs.input_ids, max_new_tokens=100)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
return response.split("assistant")[-1].strip()

4）测试一下：print(chat_with_robot("你好，你叫什么名字？"))
你应该会看到机器人回答：“我是Qwen，一个AI助手。”

实用技巧：如果第一次下载模型很慢，可以在终端设置环境变量 export HF_ENDPOINT=https://hf-mirror.com 再运行代码。另外，max_new_tokens 控制回答长度，调大可以让机器人说更多话。

试试用这个 Prompt 模板：
prompt = "请用一句话解释什么是机器人"
然后运行 chat_with_robot(prompt)。你会发现机器人不仅能聊天，还能帮你解释概念。这就是 Hugging Face 模型的魔力——你不需要训练，直接拿来用就行！

光会聊天还不够，机器人得能“看”到东西。这一章我们用 图像分类模型 让机器人识别图片里的物体。我们会用到 Google ViT（Vision Transformer）模型，它能把图片变成文字描述。

操作步骤：
1）安装 Pillow 库来处理图片：pip install Pillow
2）加载一个预训练的图像分类模型。我们用 google/vit-base-patch16-224（国内可访问）：

from transformers import ViTForImageClassification, ViTImageProcessor
from PIL import Image
import requests

model_name = "google/vit-base-patch16-224"
processor = ViTImageProcessor.from_pretrained(model_name)
model = ViTForImageClassification.from_pretrained(model_name)

3）找一张图片来测试。你可以用网上的一张猫图：

url = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/cats.png"
image = Image.open(requests.get(url, stream=True).raw)

如果网络不行，也可以本地放一张 jpg 图片，用 image = Image.open("你的图片.jpg")。
4）让模型识别：

inputs = processor(image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
predicted_class_idx = logits.argmax(-1).item()
print("预测类别:", model.config.id2label[predicted_class_idx])

你应该会看到输出：“tabby cat”或类似结果。

实用技巧：模型返回的是英文标签，如果你想看中文，可以自己建一个映射表，比如 label_map = {"tabby cat": "虎斑猫"}。另外，图片大小会自动调整为 224x224，所以不用担心尺寸问题。

试试用你自己的照片（比如手机拍的水杯或书），看看模型能不能认出来。如果识别错了，别担心——模型的准确率取决于训练数据，它可能不认识“保温杯”这种国内常见物品。这时候你可以换一个更通用的模型，比如 microsoft/resnet-50。

最后一章来点酷的：让机器人在模拟环境里自己学会走路。我们会用 Gymnasium 和 强化学习，让一个虚拟机器人通过试错学会平衡和移动。别怕，代码已经帮你写好了，你只需要跑一下就能看到效果。

操作步骤：
1）安装 Gymnasium 的经典控制环境：pip install gymnasium[classic-control]
2）我们用一个最简单的环境 CartPole-v1（小车上立一根杆子），目标是让杆子不倒：

import gymnasium as gym
env = gym.make("CartPole-v1", render_mode="human")
observation, info = env.reset()
for _ in range(1000):
action = env.action_space.sample() # 随机动作，先看看效果
observation, reward, terminated, truncated, info = env.step(action)
if terminated or truncated:
observation, info = env.reset()
env.close()

运行后你会看到一个窗口，小车在乱晃，杆子很快就倒了——因为我们是随机动作。
3）现在用 简单策略 来改进：如果杆子向左倒，我们就向右推小车。写一个规则：

def simple_policy(obs):
angle = obs[2] # 杆子的角度
if angle < 0:
return 0 # 向左推
else:
return 1 # 向右推

然后在循环里用 action = simple_policy(observation) 替代随机动作。你会发现杆子能立更久了，但还不够稳。
4）如果想更智能，可以用 Hugging Face 上的 强化学习模型。加载一个预训练的策略：

from huggingface_hub import hf_hub_download
import pickle
model_path = hf_hub_download(repo_id="sb3/cartpole-v1", filename="model.pkl")
with open(model_path, "rb") as f:
model = pickle.load(f)

然后用 action, _ = model.predict(observation) 来决策。这个模型是 Stable-Baselines3 训练的，效果比随机好很多。

实用技巧：如果 render_mode="human" 不显示窗口，可能是因为你没有图形界面（比如在服务器上）。可以改成 render_mode="rgb_array" 然后保存为视频。另外，强化学习训练很耗时间，我们这里直接用现成模型，省时省力。

课后挑战：试着修改 simple_policy 里的角度阈值，或者加入速度信息，看看能不能让杆子立得更久。这就是机器人的“学习”过程——不断调整策略，直到找到最优解。恭喜你，你已经走完了机器人入门课程！