# 《具身智能基础》第八章逐字稿

## P1【给 AI 一双 好眼睛】

【本页目标】建立“相机参数决定单帧、轨迹规划决定整组数据”的章节主线。

【预计播报时长】约 1 分 20 秒

【语音逐字稿】

这一章，我们要给具身智能系统装上一双真正可用的“眼睛”。请先看右侧画面：中央是相机，周围分布着多个拍摄位置，虚线把这些位置连接成一条运动路径。这个图同时指出了本章的两个关键词。第一个是相机参数，它决定每一帧能看见什么、看得多宽、距离信息是否可用；第二个是轨迹规划，它决定整组数据有没有死角、是否重复、是否被遮挡。动画会让视点沿路径依次出现，提醒我们数据不是一张孤立图片，而是一组具有空间关系的观察。底部结论强调：一帧质量由参数决定，一组数据的覆盖质量由轨迹决定。接下来我们先处理单帧，再把单帧组织成可靠的数据集。

## P2【五个参数，决定 看见什么】

【本页目标】识别虚拟相机设置中的五类关键参数及其数据意义。

【预计播报时长】约 1 分 35 秒

【语音逐字稿】

请把目光放到中央的镜头图形。五个参数从不同方向连到镜头，说明它们共同决定相机如何采样场景。分辨率决定图像由多少像素构成；FOV，也就是视场角，决定画面覆盖范围；位置、高度和距离决定观察点在哪里；Yaw、Pitch、Roll 分别描述相机朝向的三个旋转维度；Near 和 Far 则限定深度记录的有效范围。动画中的连线依次激活，表达的不是五个互不相关的开关，而是一套联合约束。比如视场角扩大后，画面覆盖会变化，拍摄距离和目标尺寸也要一起检查。因此底部结论说，相机参数不是单纯的画面美化选项，而是训练数据的采样条件。参数一旦设置不合理，后续轨迹再复杂，也只是批量产生不合格的帧。

## P3【看得更宽，也可能 变得更歪】

【本页目标】理解视场角扩大带来的覆盖收益与边缘畸变代价。

【预计播报时长】约 1 分 30 秒

【语音逐字稿】

这一页把三种视场角并排放置。左侧四十五度的视锥较窄，覆盖范围小，但边缘形变相对较弱；中间是讲义推荐的七十到九十度，它在导航视野和画面形变之间取得平衡；右侧一百二十度覆盖最宽，但红色弧线提示边缘会出现明显的鱼眼式透视畸变。动画让三个视锥逐步张开，帮助我们观察一个直接的因果关系：视场角越大，不等于数据质量越高。对导航任务来说，系统既要看到前方较大区域，也不能让物体在边缘被过度拉伸。底部结论因此给出明确范围：导航常用七十到九十度，既覆盖前方，又控制超广角畸变。后面设计轨迹时，也要用这个视野范围检查盲区，而不是只看相机经过了哪些位置。

## P4【RGB 说是什么，深度说 有多远】

【本页目标】区分 RGB 外观信息与深度距离信息的作用。

【预计播报时长】约 1 分 30 秒

【语音逐字稿】

请观察左右两幅对应图。左边的 RGB 画面保留类别、颜色和纹理，我们能看出一个粉色方块和一个黄色圆形，它回答的是“这是什么、长什么样”。右边的深度图刻意弱化颜色，用灰度和轮廓表达像素到相机的距离，它回答的是“它离我多远”。动画会让外观图形和距离图形相互对应，提醒我们两类信息描述的是同一场景的不同维度。具身智能不仅要识别目标，还要决定能否靠近、是否需要避障，以及空间结构如何组织，所以距离信息不能由颜色图像简单替代。底部结论指出，深度图为每个像素记录距离，是导航避障和三维理解的关键输入。下一页开始，我们把单帧信息扩展为相机在空间中的连续观察。

## P5【好轨迹，要满足 三个条件】

【本页目标】掌握轨迹质量的三个判断条件：全覆盖、多视角和运动合理。

【预计播报时长】约 1 分 35 秒

【语音逐字稿】

中央黑色圆形代表相机轨迹，周围三块彩色区域给出三条硬条件。第一是全覆盖，任务区域不能留下死角；第二是多视角，讲义要求同一物体从三到五个角度观察；第三是运动合理，路径应当连续、平滑，并且不能穿越实体。动画让三个条件依次与相机连接，表示缺少任何一个，轨迹都不完整。只追求覆盖，可能得到突然跳跃或穿模的运动；只追求路径平滑，又可能一直从相似角度拍摄，数据缺少变化；拍了很多角度，如果仍存在遮挡，也不能形成有效样本。因此底部结论把三者合在一起：轨迹既要覆盖任务区域，又要提供多视角，并符合真实相机运动规律。接下来三页会分别展示环绕、俯视扫描和线性轨迹的适用关系。

## P6【环绕：目标始终在 画面中心】

【本页目标】理解环绕轨迹的目标锁定方式与关键参数。

【预计播报时长】约 1 分 25 秒

【语音逐字稿】

这一页的黄色方块是目标，四个青色相机位于椭圆轨迹的不同方向。请注意粉色朝向线始终指向目标，说明环绕不是相机简单绕圈，而是相机位置变化的同时持续锁定同一对象。轨迹需要设定半径、高度、角度范围和拍摄点数量；这些参数共同决定目标在画面中的大小、观察角度以及采样密度。动画沿椭圆推进，并让相机朝向同步转动，直观表现“位置变化、目标不丢”的机制。环绕轨迹适合从多个方向认识同一物体，但必须检查机械臂或场景物体是否挡住视线。底部结论强调，环绕的关键是持续锁定目标并避免遮挡。后面的实操会要求我们用明确参数建立一条环绕轨迹，并用预览确认这两个条件。

## P7【俯视扫描：像 扫地机器人】

【本页目标】理解蛇形俯视扫描如何实现区域全覆盖。

【预计播报时长】约 1 分 20 秒

【语音逐字稿】

请看舞台中的蛇形虚线。相机保持固定高度，从一侧移动到另一侧，到边缘后转向，再沿相邻通道返回。它与扫地机器人的覆盖方式相似：不是围着一个目标拍，而是系统地扫过整个区域。动画让扫描点沿虚线向前移动，帮助我们检查相邻路径之间是否留下空白。俯视扫描适合全局理解和仓储盘点，因为它能够把大范围场景切分为连续的观察带。设计时既要保证路径间距能够覆盖区域，也要考虑相邻图片需要足够重叠，避免两条扫描带之间出现盲区。底部结论说，俯视扫描用蛇形路径覆盖整个区域。它解决的是面状覆盖问题，而下一页的线性轨迹更像机器人沿走廊或道路向前运动。

## P8【线性：模拟机器人 向前走】

【本页目标】认识线性轨迹的适用场景及前向视野检查重点。

【预计播报时长】约 1 分 20 秒

【语音逐字稿】

画面中央是一条黄色通道，三个相机位置沿中心线向前排列。线性轨迹由起点、终点和运动速度定义，适用于导航、走廊和道路等方向明确的场景。动画让相机沿虚线前进，表达连续的第一视角观察。线性看似最简单，但不能只确认“从起点到了终点”。我们还要检查相机朝向是否与运动方向一致，前方障碍是否遮挡主要视野，以及近处地面能否进入画面。前面讲到的视场角和向下十五到三十度的俯仰角，都会影响这些内容。底部结论提醒：线性轨迹适合导航数据，但仍要检查前进方向上的遮挡与近地视野。也就是说，路径几何正确只是第一步，采到的画面真正可用才是结果。

## P9【多点巡检：每一站都要 看清目标】

【本页目标】理解 Waypoint 巡检对覆盖、视角和路径效率的联合优化。

【预计播报时长】约 1 分 35 秒

【语音逐字稿】

这一页有三个巡检点。WP1 从正面、零点六米观察设备 A；WP2 从斜上三十度、零点八米观察设备 B；WP3 从侧面、零点六米观察设备 C。虚线路径把三个航点连接起来，动画会依次点亮各站，说明相机不仅要到达位置，还要在每一站看清指定目标。Waypoint 规划同时处理三个问题：设备是否全部覆盖，观察角度是否有差异，以及总路径是否尽量短。若只追求最短路径，某些目标可能被遮挡；若只追求丰富角度，路径又可能产生不必要的往返。黑色提示框写着“覆盖优先，路径尽量短”，给出了正确优先级。底部结论进一步概括：覆盖、多角度和总路径长度需要一起优化，这正是巡检任务的核心。

## P10【先预览，再保存 .traj】

【本页目标】掌握模块 B 从加载场景到保存轨迹文件的完整流程。

【预计播报时长】约 1 分 30 秒

【语音逐字稿】

请沿着从左到右的流程阅读。第一步加载 USD 场景；第二步设置相机，例如一千二百八十乘七百二十分辨率和七十五度视场角；第三步建立轨迹，这里组合了环绕与线性方式；第四步必须预览，重点检查遮挡和死角；最后才保存 PATH 点 TRAJ 文件，其中记录 JSON 形式的航点信息。动画让箭头依次推进，强调流程不能跳过预览直接保存。因为参数表和轨迹线看起来正确，不代表每一个拍摄画面都可用。只有在预览中，我们才能发现机械臂挡住目标、相机穿过物体或者某个区域始终没有被观察。底部结论说，轨迹文件记录位置、朝向与拍摄参数，而预览是发现遮挡和盲区的最后机会。这个顺序也将成为后面批量渲染的输入基础。

## P11【参数定一帧，轨迹定 数据集】

【本页目标】整合相机参数、RGB-D、轨迹原则与四类路径的知识结构。

【预计播报时长】约 1 分 35 秒

【语音逐字稿】

我们用这张总图收束全章。最左侧 CAMERA 代表单帧采样条件，包括视场角和俯仰角；接着是 RGB-D，它把“是什么”和“有多远”组合起来；中间的 RULES 汇总全覆盖、多视角和运动合理三项轨迹原则；右侧 PATHS 列出环绕、扫描、线性和 Waypoint 四种轨迹。动画会让四个模块依次连通，形成从单帧到数据集的完整链路。请注意，不能先随意画一条路径，再期待通过渲染补救参数问题；也不能只把一帧调得漂亮，却忽略整个场景是否被完整观察。底部结论就是本章最重要的操作顺序：先用参数保证每帧可用，再用轨迹保证场景覆盖、多视角和运动可信。下面进入讲义原有测验与实操，请先独立判断，再展开答案和评分标准。

## P12【单选题 · 8题】

【本页目标】用讲义原有八道单选题检查参数、轨迹和数据类型的理解。

【预计播报时长】约 3 分 40 秒

【语音逐字稿】

这一页采用一题一题浏览的方式。每题出现后，请先阅读全部选项，暂时不要急着点击。第一题问一百二十度视场角的问题，正确答案是“边缘鱼眼畸变”，因为超广角会造成明显的边缘透视畸变。第二题问导航场景推荐的俯仰角，答案是“向下十五到三十度”，这样能够兼顾前方障碍和近处地面。第三题问多角度认识同一物体最适合哪种轨迹，答案是“环绕 Orbit”，因为它持续朝向目标。第四题问 Waypoint 巡检的核心，答案是“覆盖全部设备、多角度且路径高效”。第五题问相邻图片建议至少多少重叠率，答案是百分之五十，用来减少盲区。第六题问预览发现机械臂遮挡如何调整，答案是提高高度、调整半径或路径，而不是忽略遮挡。第七题问深度图用途，答案是提供像素距离，用于导航和三维重建。第八题问模块 B 的保存格式，答案是点 traj，也就是记录航点位置、朝向和拍摄参数的 JSON 轨迹文件。完成后请看累计得分，并回到错题对应的知识页复盘。

## P13【实操一 · 环绕轨迹】

【本页目标】依据讲义参数完成箱体环绕轨迹并按原评分标准自检。

【预计播报时长】约 2 分 00 秒

【语音逐字稿】

请先不要展开评分标准，先根据题目独立完成任务。我们要为一个箱子设置环绕轨迹并预览。讲义给出的参数是：分辨率一千二百八十乘七百二十，视场角七十五度，半径零点八米，高度一点零米，环绕一百八十度，共三十个拍摄点，并且要求目标始终可见、没有遮挡。提交成果包括点 traj 轨迹文件、一张能够看见环绕路径的俯视截图，以及一个相机预览画面。完成后点击“显示交付与评分标准”进行核对。讲义评分为：参数正确占百分之二十五，轨迹无遮挡占百分之三十，目标始终可见占百分之二十五，截图清晰占百分之二十。这里没有额外编造标准答案，因为实操结果要由你的轨迹文件和预览证据来证明。检查时尤其关注相机是否持续朝向箱子，而不是只看轨迹是否形成弧线。

## P14【实操二 · 多点巡检】

【本页目标】按讲义航点完成三设备巡检路径，并说明视角与距离差异。

【预计播报时长】约 2 分 10 秒

【语音逐字稿】

最后一个任务要求用三个箱子模拟三个待检设备点。请先按讲义设置航点：WP1 位于左箱正面零点六米；WP2 位于中箱斜上三十度、距离零点八米；WP3 位于右箱侧面零点六米。每个航点渲染一张画面并进行预览。提交成果包括轨迹文件、标注三个 Waypoint 的俯视图，以及一百字说明，用来解释三个航点为什么采用不同角度和距离。完成后再展开讲义评分标准：航点合理占百分之三十，每点目标清晰占百分之三十，路径高效占百分之二十，简述准确占百分之二十。评估时先检查三个设备是否都被清楚观察，再检查路径是否存在无意义往返。到这里，本章从相机单帧参数一直走到完整巡检轨迹，为下一章的离屏批量渲染准备好了可靠输入。