6个月打造机器人作品集：从ROS2小车到机械臂仿真实战

开篇我先把话放在这儿：别再把“人形机器人”当成你的学习方向了。今天你刷到的那些双足行走、灵巧手抓取的炫酷视频，背后是动辄千万级融资的团队和博士起步的算法岗，普通人连一台开发样机都摸不到，刷三年新闻也换不来一场面试机会。真正能帮你拿到机器人行业offer的，是一套能现场跑起来、能讲清楚原理、能应对追问的作品集。

我见过太多简历，写满“熟悉ROS2”、“了解SLAM”，结果一问TF树头就低下去；也见过基础一般的人，用半年时间老老实实做了一辆差速小车加一台仿真机械臂，最后进了一家做移动机器人的公司做应用开发。差别不在天赋，而在有没有把“看”换成“做”。这篇文章就是给你一条普通人可执行的6个月路线：花合理的钱、选对工具、踩过该踩的坑，产出一套能进面试的机器人作品集。

1. 为什么别只刷人形机器人：企业真正在招什么人

1.1 刷新闻带来的“伪熟悉感”和面试现实之间的落差

朋友圈和短视频每天都在给你推送“人形机器人又学会了后空翻”“某厂发布通用机器人底盘”。看多了以后，你会产生一种错觉：机器人行业好像也没那么难，我似乎什么都知道一点。但面试官不会问你“你怎么看待人形机器人的未来”，他只会让你在白板上画一个ROS2话题通信的示意图，或者问你“小车转弯时左右轮速度怎么分配”。

这种“伪熟悉感”是最坑人的。你只是记住了名词，却没有建立概念和实现之间的联系。比如“SLAM”这个词大家都会说，但建图时激光雷达的数据频率和里程计的协方差矩阵怎么融合？地图坐标系和里程计坐标系之间的TF怎么发？这些问题没有亲手调过参数，根本答不上来。半年时间如果把重心放在刷新闻上，等于原地踏步；放在做项目上，差距就会一点点拉开。

1.2 机器人行业岗位图谱：技能栈分层

我按自己的经验把机器人行业的热门岗位粗略分一下，你能直观看到“作品集”该往哪个方向靠：

• 算法岗：负责感知、规划、控制、SLAM等核心模块，普遍要求硕士以上，数学功底要硬。普通人半年内直接冲这个方向，不现实。
• 应用开发岗：基于ROS2做功能开发、上位机程序、设备调试、系统集成。这是普通人最容易切入的赛道，需求量大，对学历要求相对宽松。
• 技术支持/现场调试岗：负责机器人部署、标定、维护和客户培训。入门门槛最低，但后续成长看个人。
• 硬件/嵌入式岗：写单片机程序、调电机驱动、做传感数据采集。适合电子类背景的人，也是机器人作品的底层支撑。

你看，除了算法岗，其余岗位都不是非要你发明新算法，而是考察你有没有把一个功能“跑通”的能力。作品集的意义就在这里：它证明你不只是知道概念，而是能把代码烧进板子、让轮子转起来、让地图建出来。

1.3 6个月作品集的定位：从“知道分子”到“能干活的人”

你要做的作品集，本质上就是三个递进的项目：一台能遥控的差速小车、一台能自主建图和导航的小车、一台能完成简单轨迹规划的仿真机械臂。难度从易到难，正好覆盖了运动控制、感知定位、运动规划这几个机器人行业的高频考点。

网上有句话叫“面试造火箭，工作拧螺丝”，但在机器人行业，很多公司连“拧螺丝”的人都缺。你的作品集只要能证明：给我一台机器人，我能通过ROS2让它动起来，并且我知道为什么这么动，就已经能筛掉90%只会刷视频的竞争者。接下来，我就按6个月的时间顺序，把每一步怎么走讲清楚。

2. 6个月时间线：从零到能进面试的作品集规划

2.1 预算和硬件选型：500到1500元的靠谱方案

很多人一想到做机器人就以为要买几万块的开发平台，其实完全没有必要。我推荐一套性价比非常高的入门组合：

• 主控板：树莓派4B（4GB版本）或Jetson Nano二选一，二手价格都在300-500元。树莓派社区资料多，遇到问题好搜；Jetson Nano能跑轻量模型，后续想加视觉识别更顺滑。
• 底盘：买个带编码器的差速小车底盘，价格150-300元。注意一定要选带编码器的，没有编码器就做不了轮式里程计，后面SLAM和导航都没法玩。
• 激光雷达：首选思岚A1或A2，二手价格200-400元。这是最容易买到、驱动最成熟的入门雷达。想省钱用RGB-D摄像头（比如奥比中光）也可以，但对新手来说，激光雷达的建图效果更直观，坑更少。
• 电机驱动板：可以用L298N或者更常见的TB6612，几十块钱。配合一个STM32或Arduino做底层电机控制，再和树莓派串口通信。

整套预算控制在1000到1500元，比买一台人形机器人玩具划算得多。如果你预算实在紧张，还可以先用纯仿真环境把流程跑通，后面再根据情况补硬件。

2.2 分阶段里程碑：每月目标和关键产出

我把6个月拆成三大阶段，每两个月为一个周期，每个周期都要有一份拿得出手的成果：

• 第1-2个月：基础补课与仿真入门。学Python、Linux基础命令、ROS2核心概念（节点、话题、服务、动作）。在Gazebo仿真环境里跑通一个机器人模型，能发速度指令让它动。产出物：一个简单的仿真小车站立demo，录屏存好。
• 第3-4个月：硬件动手与SLAM建图。把树莓派、电机驱动、雷达装起来，写底层通信让车动起来；接着跑通激光SLAM建图，实现手动控制建图。产出物：一辆能实时建图的小车，保存一张完整的房间栅格地图。
• 第5-6个月：导航与机械臂仿真。基于Nav2实现自主导航，让小车从A点避障走到B点；再用MuJoCo或Gazebo建立机械臂仿真模型，实现正逆运动学。产出物：一段完整的“自动导航+机械臂轨迹规划”的演示视频+开源仓库。

这套规划最关键的思路是“小步快跑”。每个月末都有一个阶段成果，就算中途出bug也不至于让整个人崩溃，而且这些阶段性成果本身就是面试时很好的素材。

2.3 作品集的三个项目怎么设计才不显得“网盘项目”

面试官最怕遇到“复刻型”作品集：GitHub上拉一个ROS2包，跑通demo就算“做过”。所以你的作品集设计一定要有自己的思考痕迹。

第一台小车，你要在README里写清楚为什么选差速底盘而不是麦克纳姆轮：两轮差速模型简单、里程计模型成熟，适合入门；麦克纳姆轮虽然全向移动看起来酷，但要同时解算4个轮子的速度，新手一开始容易被运动学搞晕。

第二台小车，重点在“我解决了什么问题”：比如建图时地图产生重影，你是通过调整雷达安装角度和里程计标定系数解决的；导航时小车老撞墙，你是通过调整代价地图膨胀半径解决的。这些“从bug到修复”的过程，就是面试时最值钱的素材。

第三个机械臂仿真，别只搬官方demo。你可以自己写一个简单的逆解算法，实现画一个三角形或圆形的轨迹，然后展示末端执行器实际走的轨迹和理论轨迹的误差。这种“自己动手实现算法”的作品，比任何“下载即跑”的demo都有说服力。

3. 核心作品的技术拆解：用ROS2和SLAM做一辆能“看懂”环境的小车

3.1 ROS2环境搭建与通信机制入门

ROS2现在是国内机器人公司的主流选择，相比ROS1，它在实时性、多机通信、安全性上都强很多。环境搭建这块，强烈建议直接上Ubuntu 22.04 + ROS2 Humble，这也是目前资料最全的组合。安装命令网上都有，但我会额外提醒三件事：

• 一定要用“一键安装脚本”吗？不推荐。手动按官方文档敲命令会让你对依赖关系有概念，后面出问题才知道去哪查。
• source工作空间的命令要写进.bashrc里，否则每次开终端都找不到功能包，这是新手最高频的错误。
• 装完后先跑一下ros2 run turtlesim turtle_teleop_key，用海龟程序验证安装无误，再进入正题。

ROS2的核心通信模型是“节点之间通过话题、服务、动作通信”。我给你一个生活化类比：节点是厨房里的各个师傅——配菜师傅切好菜（发布话题）放在传菜口，掌勺师傅订阅这个传菜口（订阅话题）拿菜下锅。如果你想让配菜师傅别放香菜，就通过“服务”叫他改单；如果是一个长期任务，比如“做一桌菜”，那就用“动作”来下发。理解了这个模型，后面写代码其实就是“谁发布、谁订阅、消息类型怎么定”的问题。

3.2 运动控制：从PWM到编码器里程计

小车要动起来，需要两层控制：底层（单片机）控制电机转速，上层（树莓派）发送速度指令。我的方案是Arduino负责读取编码器、计算实际速度，用PID闭环让轮子转速稳定在目标值；树莓派通过串口向Arduino发送目标线速度和角速度，Arduino解算成左右轮目标转速。

差速模型的速度解算是这个阶段的核心公式，一定要自己推导一遍：

• 左轮速度= v - ω * L/2
• 右轮速度= v + ω * L/2

其中v是车体线速度，ω是角速度，L是两个轮子之间的轮距。你给小车一个“前进0.3m/s，左转0.2rad/s”的指令，实际上就是按这个公式分别算左右轮转速。编码器读回的脉冲数，又能算出轮子实际转了多少圈，从而得到轮式里程计（odom）。这个odom数据，就是后面SLAM和导航的输入之一。

调PID的时候我踩过最大的坑是：先从P开始，只调比例系数，让转速误差收敛到可接受范围；再加上I消除稳态误差。D参数如果调太大，轮子会震荡，听起来像在“哆嗦”。实测下来，一个入门小车底盘，P给1到2、I给0.1到0.3基本够用，具体数值跟你的底盘和电源质量有关，要用串口打印实际转速来对比调试。

3.3 SLAM建图：让小车生成一张自己能看懂的地图

SLAM的全称是即时定位与地图构建：小车一边移动，一边用激光雷达扫描周围环境，同时估算自己在哪，最后拼出一张占据栅格地图。ROS2里常用的方案有两个：slam_toolbox和cartographer。对新手来说，我推荐先用slam_toolbox，配置简单，效果稳定，官方文档也比较友好。

建图的本質，是要处理好“传感器数据”和“里程计数据”的融合。雷达告诉你“前方0.5米有墙”，里程计告诉你“我向左走了0.1米”，算法就把这两条信息综合起来，更新地图。所以建图时，小车不能走太快，不然里程计误差积累，地图就会“糊掉”；也不能急转弯太猛，激光雷达帧间匹配容易失败。

我的实操经验是：

• 手动遥控时，速度控制在0.1m/s左右，转角每次不超过30度，尽量让场景里的特征（墙角、桌腿）多次出现在视野中。
• 雷达扫描频率如果默认是10Hz，不要随意调低，不然帧间匹配信息不够。
• 建图完成后，要保存一份地图包，后续导航时要加载同一个地图。地图文件包括.pgm（图像）和.yaml（配置）两个文件，两个文件要放在同一个目录，这个细节很多人会漏。

3.4 自主导航：Nav2的参数调优是关键

导航比建图难一个量级，因为它涉及全局路径规划、局部路径规划、代价地图、AMCL定位等多个模块。Nav2是ROS2的导航框架，你不需要从零写算法，但必须知道每个参数的含义。

全局规划器负责在全局地图上找一条从当前位置到目标点的路径，常用的是NavFn或A*；局部规划器负责躲避动态障碍物，常用的是DWA（动态窗口法）。这两个规划器的代价地图参数，直接决定了小车会不会撞墙、会不会在原地打转。

我最常被问到的问题是“小车导航时为什么老贴着墙走”。这种情况十有八九是膨胀半径设得太小。膨胀半径是代价地图在障碍物周围“膨胀”出一个禁止区域的大小，它应该大于或等于车体半径。我建议把inflation_radius设成车体最大尺寸的一半再加5厘米，同时把cost_scaling_factor调到合适值，让小车在窄通道里能适度靠近障碍物，但不会贴上去。

AMCL定位模块也需要校准。它的作用是让机器人根据当前雷达数据和地图匹配，估算自己的位置。启动后如果发现定位点漂移，可以在RViz里手动给定初始位置，或者在移动过程中观察粒子滤波的收敛情况。实测下来，地图质量越高，定位越准；如果地图本身有重影，导航时位置必然跳动。

4. 加分项目：机械臂运动学与仿真作品，精准蹭上人形机器人热点

4.1 为什么机械臂作品能衔接人形机器人方向

人形机器人的核心模块，包括运动控制、规划、感知，这些和小车、机械臂的很多技术栈是相通的。比如运动学：人形机器人的双足行走需要全身逆解，机械臂的轨迹规划也需要逆解。面试官今天看的是一个做机械臂的候选人，明天他会觉得这个候选人也能做人形机器人的臂部控制。

更现实的一点是，普通人买不起人形机器人，但仿真软件里的机械臂模型可以自由下载。你用MuJoCo或者在Gazebo里跑一个机械臂模型，写一套正逆运动学程序，就能在面试时把“人形机器人运动控制”的底层概念具象化。面试官让你讲“机器人运动学是干嘛的”，你就能从机械臂的关节角度和末端位置的关系讲起，比背定义强一百倍。

4.2 正运动学与逆运动学：从关节空间到笛卡尔空间

运动学是机器人领域的敲门砖。正运动学很简单：知道各个关节转了多少度，求末端执行器在三维空间中的位置和姿态。逆运动学相反：知道末端要到达某个位置，反推每个关节该转多少度。

DH参数建模是主流方法。你的仿真机械臂模型定义好DH参数表后，正运动学用齐次变换矩阵相乘就能求出末端位姿。逆运动学就没有“一招鲜”了，常见的有解析法和数值法。数值法的思路是用雅可比矩阵迭代逼近目标位姿，代码写起来相对容易，但要注意奇异点问题——在机械臂完全伸直这样的奇异位形附近，雅可比矩阵会退化，迭代可能不收敛。

我在做这部分的时候，建议你用一种“笨办法”验证正确性：先手动给一组关节角，用正解算末端位置；再把这组位置输给逆解，反推关节角。两次结果应该对得上。把这一段测试过程写进文档里，面试时讲出来，格外加分。

4.3 MuJoCo与Gazebo仿真：把代码跑给面试官看

仿真平台的选择看你手头机器的性能。MuJoCo轻量、渲染快，适合验证运动学和控制算法；Gazebo物理仿真更真实、和ROS2集成更好，但吃配置。我的建议是：机械臂运动学部分用MuJoCo，小车导航部分用Gazebo。两者互补，还能展示你“会多工具”的能力。

在MuJoCo里建立机械臂场景时，可以从官方模型库找一个常见的6轴机械臂，比如UR5或者Panda。我的实操经验是先把模型的XML文件读一遍，理解每个body、joint、geom的含义，再开始写代码。很多新手直接跑官方demo，一旦要改动模型参数就懵了。

真到写控制代码时，你需要订阅关节状态话题，计算控制指令，再发布给仿真环境。这个过程和你以后控制真实机械臂的逻辑完全一致。仿真跑通后，录屏加截图，放到作品集的README里，面试时不用带实物，一台电脑就能演示。

4.4 “把专业讲通俗”的能力：面试官其实在听你怎么讲

这部分虽然是软技能，但我觉得比写代码还重要。你去面试，面试官大概率会问“你对人形机器人运动控制怎么看”。如果你上来就背名词，恐怕三句话就被打断。你要做的是把他拉回你做过的东西里。

我给你的话术思路是：先说人形机器人的运动控制难点——自由度多、动力学复杂、平衡约束强，这些概念肉眼可见；然后话锋一转：“我虽然没做过双足，但在机械臂仿真里实现过完整运动学建模和轨迹规划，理解关节空间和笛卡尔空间的关系，这是运动控制的基础。”接着掏出你的MuJoCo演示，现场让他看轨迹规划的误差曲线。这一套下来，比你说一百句“我很感兴趣”都有用。

5. 6个月踩坑实录：20个常见问题和排查技巧速查表

这部分是把我在实操里反复踩到的问题都列出来，分门别类理成一张速查表。真遇到问题时，你能少走很多弯路。

5.1 环境配置与通信问题

5.2 硬件调试时最容易翻车的几个地方

硬件问题有个特点：现象千奇百怪，根源往往很简单。我之前调小车转向，左右轮反向，检查了半天代码，结果发现是电机驱动板的信号线接反了。所以硬件上遇到问题，先查接线和供电，再看代码。

电源是最大的坑。树莓派和电机驱动共用电源时，电机一转，树莓派就重启，典型症状是“代码一跑就掉线”。解决办法是分开供电：电机用7.4V锂电池或单独电源，树莓派用5V/3A的稳压模块。编码器线要远离电机电源线，否则电磁干扰会让脉冲计数乱跳，里程计数据直接没法用。

雷达装高了容易撞门框，装低了扫不到远处，建议安装在车体中间高度，略高于底盘上的障碍物。固定时用减震海绵或3D打印支架，避免行驶中抖动，否则地图边缘会有“毛刺”。

5.3 SLAM和导航调参时的高频问题

5.4 作品集整理时的细节建议

代码写到第5个月，你手上可能有几十个功能包，如果不整理，后面连自己都找不到。我给三个建议：

• 每个功能包至少写一个README，说明这个包是干嘛的、怎么运行、依赖什么。面试官打开你的GitHub，首先看的就是README。
• 把每次调试的关键参数记录下来，比如车速多少能建成质量最好的地图、哪个PID值能让轮速误差小于5%，这些“调参笔记”是作品集里最有含金量的部分。
• 视频录屏统一放到一个demo目录，命名要清晰，比如02_slam_mapping_result.mp4，别叫最终版2_绝对不改.mp4。

6. 面试展示与后续扩展：作品集如何真正变成offer

6.1 面试时怎么在现场演示作品集

面试现场演示的黄金法则是：10分钟讲完一个完整闭环。不要从环境搭建开始讲，直接说你解决了什么问题、用什么方案、怎么验证的。

我建议的演示脚本是：“这是我在第4个月完成的自主导航小车。输入目标是卧室门口，全局规划器先在地图上找到路径，局部规划器根据雷达实时数据避开障碍物。中间我调过膨胀半径，因为最开始设太小，小车差点蹭到桌腿。”边讲边让小车真跑一遍，比什么都直观。

如果面试单位没有硬件条件，你需要准备好录屏文件，同时在电脑里装好仿真环境，保证能现场跑通。我见过有人在面试现场等Gazebo启动花了三分钟，场面一度很尴尬。所以提前把仿真环境优化好，或者准备一段精剪过的录屏作为Plan B。

6.2 开源规范：你的作品集要有“工程感”

现在很多公司都看GitHub，所以作品集仓库的规范程度也很关键。我建议这样组织目录：

• README.md：项目简介、系统架构图、硬件清单、快速启动步骤。
• src/：放ROS2功能包源码，按功能分目录并写好注释。
• config/：放参数配置文件和Nav2调参后的yaml文件。
• docs/：放调试笔记、踩坑记录、关键技术说明。
• demo/：放演示视频、截图、日志曲线。

开源许可证我建议用Apache 2.0，这样企业可以放心参考，也显得你懂行业规则。把代码、文档、视频都整理好以后，这就是一份能“证明我会做”的完整材料，而不是一个只有代码没有说明的压缩包。

6.3 从作品集到offer：补齐能力地图的最后一块

作品集准备的最后一个月，建议你去研究一下目标岗位的JD（职位描述）。

如果岗位写“熟悉Nav2框架”，你就把导航项目的参数调优经验再深入搞一遍，争取能说出三个以上参数的作用；如果岗位写“了解工业机器人”，你就去了解一下ABB、KUKA等主流品牌的基本操作和编程逻辑，不需要真机，但要能说出它们的控制系统架构和与ROS2的通信方式。网上有很多关于工业机器人示教器操作、零点校正的视频和文档，花一周时间补上这块认知，再看到类似岗位时就不会只敢投“应用开发”了。

有条件的，还可以去参加一些机器人相关的线上社区和开发者活动，把作品集链接挂到个人主页上。很多人就是通过开源社区被猎头或技术负责人找到的。作品集这东西，不是做完就完了，要让它“被看见”。

说点我自己的体会吧。这6个月路线，听上去不复杂，但真正走下来的人不到三分之一。大多数人倒在第一个月——环境装到一半就放弃了，或者第二个月——小车怎么都不动，一查是继电器模块根本没焊好。可只要你熬过那个“一提机器人就想吐”的阶段，后面会越来越顺。我见过最快拿到offer的人，6个月做了两台小车和一台机械臂仿真，技术不算惊艳，但每次讲项目都能把问题说到点上，面试官对他的评价是“这是个能干活的人”。在机器人这个行业，这句话比“聪明”值钱多了。