Stanford CS123 — 从零构建 AI 四足机器人
> 一句话版本：斯坦福最火的动手机器人课。学生从零组装一只名叫 Pupper 的机器狗，然后用 ROS、运动学、强化学习和 LLM 让它走路、跑步、听指令、玩接球。每学期只招 21 人，3 个教授来自 Stanford / Google DeepMind / Apple。
| 项目 | 信息 |
|---|---|
| 来源 | [cs123-stanford.readthedocs.io](https://cs123-stanford.readthedocs.io/en/latest/) |
| 课程号 | CS 123 |
| 全名 | A Hands-On Introduction to Building AI-Enabled Robots |
| 开设 | 2023 年首次独立研究项目 → 2025 年已是第三年正式课程 |
| 学分 | 3 |
| 先修 | CS106A（Python）+ CS107（终端/命令行）+ MATH51/CME100（梯度基础） |
| 招生 | 每学期 21 人，7 组 × 3 人，前 100 名申请者抽签 |
| GitHub | [cs123-stanford-2023](https://github.com/cs123-stanford/cs123-stanford-2023)（7 ⭐） |
教学团队
| 角色 | 姓名 | 背景 |
|---|---|---|
| 教授 | [Karen Liu](https://tml.stanford.edu/people/karen-liu) | 斯坦福 CS，运动生成与机器人学习 |
| 教授 | [Jie Tan](https://www.jie-tan.net/) | Google DeepMind，Staff Research Scientist |
| 教授 | [Stuart Bowers](https://handsonrobotics.org/) | Apple / Hands-On Robotics |
| 联合讲师 | Wenhao Yu | Google DeepMind |
| 联合讲师 | Tingnan Zhang | Google DeepMind |
这个阵容堪称学术界 + 工业界的顶配。Karen Liu 是斯坦福机器人运动学的大牛，Jie Tan 是 DeepMind 四足机器人的核心研究员（做过 Laikago、四足 locomotion 等经典工作），Stuart Bowers 来自 Apple 机器人团队。
课程内容
核心理念：不是先学理论再动手，而是边造边学。从组装硬件开始，每周一个 Lab，逐步让 Pupper 活起来。
7 周课程 + 4 周开放项目
| 周次 | 讲座 | Lab |
|---|---|---|
| W1 | ROS 入门 + PD 控制 | [Lab 1: ROS 入门 + PD 控制](https://cs123-stanford.readthedocs.io/en/schedule/labs/fall-25/lab-1.html) |
| W2 | 正运动学 | [Lab 2: 正运动学](https://cs123-stanford.readthedocs.io/en/schedule/labs/fall-25/lab-2.html) |
| W3 | 逆运动学 | [Lab 3: 逆运动学 + 轨迹跟踪](https://cs123-stanford.readthedocs.io/en/schedule/labs/fall-25/lab-3.html) |
| W4 | 启发式步态控制 | [Lab 4: 基于模型的控制 + 小跑步态](https://cs123-stanford.readthedocs.io/en/schedule/labs/fall-25/lab-4.html) |
| W5 | 机器人强化学习 | [Lab 5: How to Train Your Dog](https://cs123-stanford.readthedocs.io/en/schedule/labs/fall-25/lab-5.html) |
| W6 | LLM for Robotics | [Lab 6: Do What I Say](https://cs123-stanford.readthedocs.io/en/schedule/labs/fall-25/lab-6.html) |
| W7 | 计算机视觉 + SLAM | Lab 7 |
| W8-10 | 期末项目（开放式） | 自选主题 |
关键技术栈
- ROS（Robot Operating System）— 机器人通信框架
- PD 控制（比例-微分控制器）— 电机基础控制
- 正/逆运动学（FK/IK）— 从关节角度计算末端位置，反之亦然
- 步态控制（Gait Control）— 小跑（trot）、爬行等运动模式
- 强化学习（RL）— 在仿真中训练行走策略，迁移到真实机器人
- 大语言模型（LLM）— 自然语言指令 → 机器人动作
- 计算机视觉 + SLAM— 导航和环境感知
可选 Lab
两个高难度可选 Lab（无截止日期）：
- Implicit Compliance（隐式柔顺控制）— 更自然的运动
- 第二个可选 Lab（W5 后发布）
期末项目示例
- 用 RL 训练 Pupper 做敏捷运动（后空翻？跳舞？）
- 视觉系统让 Pupper 玩接球
- LLM 让 Pupper 用自然语言和人对话
- 硬件改造提升敏捷性
Pupper 机器人
Pupper 是斯坦福学生机器人俱乐部开发的开源四足机器人：
- 12 个伺服电机（每条腿 3 个）
- 树莓派 + 自制 PCB 作为控制器
- 重量：约 2.5kg
- 成本：约 $600-800 DIY
- 开源：硬件 + 软件全部开源
这是课程的核心平台——学生从零组装，然后逐步编程让它动起来。
课程特色
1. 工业界 + 学术界联合授课
Karen Liu（Stanford）+ Jie Tan（DeepMind）+ Stuart Bowers（Apple）的组合，确保内容既前沿又实用。
2. 真正的动手课程
不是仿真 demo，是真实硬件。学生亲手组装、调试、训练。
3. 从底层到 AI 的完整链路
从电机 PD 控制 → 运动学 → 步态 → RL → LLM，覆盖了机器人学的完整技术栈。
4. 小班制
21 人 / 7 组，每组 3 人。每位学生都能得到充分指导。
5. 开放式期末项目
最后 4 周完全自由，鼓励学生探索前沿方向。
分析
为什么这门课重要：
- 2023 年由独立研究项目起步，到 2025 年已是斯坦福 CS 的正式课程，增长极快
- 课程设计反映了当前机器人学的趋势：从传统控制到 RL 到 LLM，一条龙
- Pupper 作为教学平台已经成熟，社区有大量开源资源
- Lab 6 "Do What I Say"（LLM 控制机器人）是 2025 年新增的，说明课程在快速迭代
局限性：
- 每学期只招 21 人，极其小众
- 需要在斯坦福校内，无法远程
- Pupper 硬件成本 $600+，加上时间投入很大
- 课程材料虽然部分开源（readthedocs），但没有录制公开的 lecture 视频
与其他机器人课程对比：
| 课程 | 学校 | 特色 | 公开性 |
|---|---|---|---|
| CS123 | Stanford | 从零造四足机器人 | 材料开源，视频未公开 |
| CS223b | Stanford | 深度学习 + 机器人感知 | 部分视频公开 |
| MIT 6.141 | MIT | 机器人操控 | 公开 |
| Berkeley Deep RL | Berkeley | 强化学习课程 | 完全公开 |
| Stanford CS231n | Stanford | 计算机视觉 | 完全公开 |
CS123 的动手程度在这些课程中是最高的，但公开性最低。
与 Jay 的关联
- AI + 机器人是 Jay 关注的方向（从 DroidClaw、OpenClaw 等报告可以看出对 AI Agent 的兴趣）
- 如果 Jay 对物理机器人感兴趣，Pupper 是一个很好的入门平台——开源、便宜、社区活跃
- 课程中的 LLM for Robotics（Lab 6）和 Jay 正在做的 OpenClaw Agent 工作高度相关——本质都是"用 LLM 控制一个实体"
- 自学路径：虽然无法上课，但课程网站（readthedocs）有完整的 Lab 指导，加上 Pupper 开源项目，完全可以 DIY
评分
| 维度 | 评分 (1-10) | 说明 |
|---|---|---|
| 教学质量 | 9 | 顶配教学团队，从底层到 AI 完整链路 |
| 实践性 | 10 | 真正从零组装硬件，不是纸上谈兵 |
| 前沿性 | 8 | RL + LLM for Robotics，紧跟趋势 |
| 可及性 | 4 | 21 人小班 + 无公开视频，门槛极高 |
| 与 Jay 的关联 | 7 | LLM + Agent 方向相关，Pupper 可 DIY |
| **总分** | **7.6** | 顶级动手课程，可惜不公开 |