# 具身智能基础第6章《把模型积木 拼成世界》10–20秒微课语音逐字稿 适用对象：高校非相关专业学生与应用型本科学生 前置知识：无专业前置，仅需一般数字素养 本章学习结果： 1. 能够按讲义顺序解释本章的核心概念与关系。 2. 能够依据画面机制判断结论成立的条件和边界。 3. 能够完成讲义原测验，并用页面证据说明理由。 预计纯语音时长：约 5～6 分钟 建议课堂时长：约 10～16 分钟，包含停顿、作答与反馈 讲解主线：问题地图 → 分节机制 → 证据与边界 → 总结 → 讲义原测验 使用说明：仅将每页“语音逐字稿”正文送入 TTS；视觉说明、媒体状态、教师反馈与答案不朗读。 --- ## P1【把模型积木 拼成世界】 【所属章节和小节】具身智能基础 第6章｜章导入 【本页目标】能够说出本章的核心问题和阅读路线。 【预计播报时长】约 20 秒 【语音逐字稿】 这一章围绕“把模型积木 拼成世界”展开。请先看下方路线卡，建立全章问题地图；后续每一页只处理一个概念、关系或教学动作。请用画面的层级与连接说明结论为什么成立。阅读时不要跳过中间步骤。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】页面标题、关系节点与结论条。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P2【小节一 · 四步，把资产变成 场景】 【所属章节和小节】具身智能基础 第6章｜小节一 · 四步，把资产变成 场景 【本页目标】能够指出本小节的核心问题和阅读顺序。 【预计播报时长】约 20 秒 【语音逐字稿】 左侧给出从资产到场景的阅读顺序；右侧双手放入货架模块，提示导入之后还要布局、核对物理接触与安全间距，最后再保存可用场景。同时注意边界。请用画面的层级与连接说明结论为什么成立。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】四步，把资产变成 场景；三种来源， 同一入口；位置、角度、大小， 分开控制。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】assets/chapter-scene.png ## P3【四步，把资产变成 场景】 【所属章节和小节】具身智能基础 第6章｜小节一 · 四步，把资产变成 场景 【本页目标】能够解释“四步，把资产变成 场景”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请沿着箭头从起点读到结果。本页聚焦“四步，把资产变成 场景”，图中的“1 导入、准备模型积木、2 布局”标出关键证据。先有资产，再定空间关系；物理检查通过后，才进入光照和保存。阅读时不要跳过中间步骤。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】1 导入；准备模型积木；2 布局；位置 · 旋转。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】待补视频 video-1（无伪造文件）+ HTML内联SVG ## P4【三种来源， 同一入口】 【所属章节和小节】具身智能基础 第6章｜小节一 · 四步，把资产变成 场景 【本页目标】能够解释“三种来源， 同一入口”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请先看画面中心，再看周围节点。本页聚焦“三种来源， 同一入口”，图中的“教学专用资产、电塔 · 绝缘子…、官方 / GSO”标出关键证据。资产来源可以不同，但进入 Stage 后都应保持清晰路径和可追踪引用。最后说出关键证据。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】教学专用资产；电塔 · 绝缘子 · 仓储设备；官方 / GSO；杯子 · 箱子 · 工具 · 家具。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P5【位置、角度、大小， 分开控制】 【所属章节和小节】具身智能基础 第6章｜小节一 · 四步，把资产变成 场景 【本页目标】能够解释“位置、角度、大小， 分开控制”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请先看画面中心，再看周围节点。本页聚焦“位置、角度、大小， 分开控制”，图中的“W · TRAN…、沿 X / Y …、E · ROTA…”标出关键证据。平移回答“在哪里”，旋转回答“朝哪里”，缩放回答“有多大”。同时指出这条关系依赖的条件，以及可能失效的边界。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】W · TRANSLATE；沿 X / Y / Z 改变位置；E · ROTATE；绕轴改变朝向。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P6【小节二 · 好布局】 【所属章节和小节】具身智能基础 第6章｜小节二 · 好布局 【本页目标】能够指出本小节的核心问题和阅读顺序。 【预计播报时长】约 20 秒 【语音逐字稿】 来到“小节二 · 好布局”。请先核对左侧议程中的先后关系，再用右侧概念图确认每一页承担的证据任务。同时指出这条关系依赖的条件，以及可能失效的边界。请用画面的层级与连接说明结论为什么成立。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】好布局，先留出 安全空间；看见的形状，不等于 碰撞形状；静态、动态、运动学， 别设反。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】assets/chapter-concept-map.svg ## P7【好布局，先留出 安全空间】 【所属章节和小节】具身智能基础 第6章｜小节二 · 好布局 【本页目标】能够解释“好布局，先留出 安全空间”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请先看画面中心，再看周围节点。本页聚焦“好布局，先留出 安全空间”，图中的“ROBOT、CAMERA F…、地面先对齐”标出关键证据。布局不是装饰：地面、操作余量、相机视野和任务物体共同定义可执行空间。阅读时不要跳过中间步骤。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】ROBOT；CAMERA FOV；地面先对齐；臂展 × 1.2。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P8【看见的形状，不等于 碰撞形状】 【所属章节和小节】具身智能基础 第6章｜小节二 · 好布局 【本页目标】能够解释“看见的形状，不等于 碰撞形状”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请先看画面中心，再看周围节点。本页聚焦“看见的形状，不等于 碰撞形状”，图中的“RENDER M…、COLLISION、THOUSAND…”标出关键证据。碰撞几何要足够贴合，也要足够简单；方块物体优先使用 Box。请用画面的层级与连接说明结论为什么成立。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】RENDER MESH；COLLISION；THOUSANDS OF TRIA…；BOX / CONVEX / SP…。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】待补视频 video-2（无伪造文件）+ HTML内联SVG ## P9【静态、动态、运动学， 别设反】 【所属章节和小节】具身智能基础 第6章｜小节二 · 好布局 【本页目标】能够解释“静态、动态、运动学， 别设反”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请先看画面中心，再看周围节点。本页聚焦“静态、动态、运动学， 别设反”，图中的“STATIC、地面 · 墙壁、固定不动”标出关键证据。地面与墙壁设静态，待操作物体设动态，预设运动对象才使用运动学。最后说出关键证据。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】STATIC；地面 · 墙壁；固定不动；DYNAMIC。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P10【小节三 · 复杂场景， 分层管理】 【所属章节和小节】具身智能基础 第6章｜小节三 · 复杂场景， 分层管理 【本页目标】能够指出本小节的核心问题和阅读顺序。 【预计播报时长】约 20 秒 【语音逐字稿】 “小节三 · 复杂场景， 分层管理”负责把前面的认识转成判断。画面将问题排成路线，请依次读取，不把多个结论混在同一页。再用底部结论检查自己的理解。请用画面的层级与连接说明结论为什么成立。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】复杂场景， 分层管理；分拣场景，先画 任务蓝图；先跑物理，再 保存场景。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】assets/chapter-concept-map.svg ## P11【复杂场景， 分层管理】 【所属章节和小节】具身智能基础 第6章｜小节三 · 复杂场景， 分层管理 【本页目标】能够解释“复杂场景， 分层管理”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请按画面的层级由外向内。本页聚焦“复杂场景， 分层管理”，图中的“warehous…、env_layer、地面 · 墙 ·…”标出关键证据。Sublayer 让环境、机器人、物体与光照独立编辑。请用画面的层级与连接说明结论为什么成立。阅读时不要跳过中间步骤。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】warehouse_scene.u…；env_layer；地面 · 墙 · 货架；STATIC。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P12【分拣场景，先画 任务蓝图】 【所属章节和小节】具身智能基础 第6章｜小节三 · 复杂场景， 分层管理 【本页目标】能够解释“分拣场景，先画 任务蓝图”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请先看画面中心，再看周围节点。本页聚焦“分拣场景，先画 任务蓝图”，图中的“ROBOT、REACH × …、CAMERA”标出关键证据。机械臂、箱子、目标区和相机必须围绕同一个分拣任务建立空间关系。再核对条件。阅读时不要跳过中间步骤。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】ROBOT；REACH × 1.2；CAMERA；TARGET。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P13【先跑物理，再 保存场景】 【所属章节和小节】具身智能基础 第6章｜小节三 · 复杂场景， 分层管理 【本页目标】能够解释“先跑物理，再 保存场景”的核心关系。 【预计播报时长】约 20 秒 【语音逐字稿】 请沿着闭环逐步追踪。本页聚焦“先跑物理，再 保存场景”，图中的“PLAY、物理预览、发现问题”标出关键证据。物体穿透通常先查碰撞几何和刚体类型，不要用光照或相机参数解释物理错误。最后说出关键证据。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】PLAY；物理预览；发现问题；穿透桌面。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】待补视频 video-3（无伪造文件）+ HTML内联SVG ## P14【场景搭建，是一条 验证链】 【所属章节和小节】具身智能基础 第6章｜章总结 【本页目标】能够用一条关系链复述本章核心结论。 【预计播报时长】约 20 秒 【语音逐字稿】 请按屏幕中的纪要卡从左到右回看本章。把每张卡的结论串成一条解释链，再用底部一句话检查自己能否说清机制、条件与边界。再用底部结论检查自己的理解。请把节点间的连接作为判断依据。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】四步，把资产变成 场景；位置、角度、大小， 分开控制；看见的形状，不等于 碰撞形状；复杂场景， 分层管理。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P15【单选题 · 8题】 【所属章节和小节】具身智能基础 第6章｜章测验 【本页目标】能够按照题目要求独立作答并说明依据。 【预计播报时长】约 20 秒 【语音逐字稿】 这是“单选题 · 8题”页面。请先独立阅读题干与全部选项，再核对本章的证据后作答；提交后才能查看本页反馈，本段不提前播报答案。同时指出这条关系依赖的条件，以及可能失效的边界。同时注意边界。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】页面标题、关系节点与结论条。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P16【实操一 · 仓储分拣】 【所属章节和小节】具身智能基础 第6章｜章测验 【本页目标】能够按照题目要求独立作答并说明依据。 【预计播报时长】约 20 秒 【语音逐字稿】 面对“实操一 · 仓储分拣”，请先列出操作步骤和需要提交的证据，再独立作答；参考内容暂不展开，完成后才用于复核。再用底部结论检查自己的理解。同时指出这条关系依赖的条件，以及可能失效的边界。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】页面标题、关系节点与结论条。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图 ## P17【实操二 · Sublayer】 【所属章节和小节】具身智能基础 第6章｜章测验 【本页目标】能够按照题目要求独立作答并说明依据。 【预计播报时长】约 20 秒 【语音逐字稿】 请在“实操二 · Sublayer”页面把任务拆成可执行步骤，记录输入、过程和结果；先提交自己的判断，再打开评分要求检查遗漏。再用底部结论检查自己的理解。同时指出这条关系依赖的条件，以及可能失效的边界。 【教师提示】以下视觉与媒体元数据不送入 TTS；测验反馈仅在学生作答后使用。 【对应视觉说明】页面标题、关系节点与结论条。画面按本页唯一概念组织，结论条负责收束。 【图片或视频文件名】HTML内联SVG / CSS教学图