ROS2仿真环境实战：从SLAM建图到Nav2自主导航

每次带学生做机器人项目总会遇到同样的场景理论课讲了一堆坐标变换、概率定位、路径规划真到实验环节却卡在第一公里——要么实验室只有两台实体小车排队半小时摸不到键盘要么好不容易启动程序小车直接撞墙电池和电机倒是没什么事旁边的师兄心态先崩了。其实移动机器人开发最理想的第一站不是真机而是仿真环境。这篇文章会把 ROS2 从仿真到自主导航的完整链路串起来讲清楚先借助 Stage 这种轻量 2D 仿真器快速跑通 SLAM 建图再切换到 Ignition/Gazebo 这类 3D 物理仿真环境验证 Nav2 导航。整个过程不需要昂贵硬件只要一台装有 Ubuntu 的电脑就能亲手完成“机器人在地图中运动 → 扫描环境 → 构建地图 → 规划路径 → 自主导航”的闭环。无论你是刚接触 ROS2 的初学者还是被导航参数折腾过的进阶开发者都可以按这篇文章的步骤逐步实操遇到问题也能直接查到排查思路。1. 为什么建议从仿真环境入门移动机器人开发1.1 仿真环境不是“玩具”而是工程杠杆很多初学者对仿真有一种误解觉得“跑仿真 玩游戏”没什么技术含量。实际上仿真环境是现代机器人研发流程中不可或缺的环节。工业界在把新算法部署到真实机器人之前通常都会先在仿真里做大量验证传感器噪声怎么模拟、动态障碍物如何避让、导航失败后如何恢复这些场景在真机上复现成本极高但在仿真环境中只需要几行命令就能反复测试。更重要的是仿真环境能让学习者把注意力集中在“算法本身”而不是“硬件琐事”上。真实机器人涉及电池电量、电机驱动、IMU 校准、轮子打滑、通信丢包等一系列问题这些对新手来说属于额外负担。先通过仿真把 SLAM 建图和 Nav2 导航的完整链路跑通建立对话题、节点、TF 坐标变换、代价地图这些核心概念的整体认知再迁移到真机上学习曲线会平缓很多。1.2 一条完整的机器人自主移动链路自主移动机器人要实现“从 A 点走到 B 点”表面上看是导航问题实际背后是一条完整的数据链路传感器数据采集激光雷达发布/scan话题里程计发布/odom话题这些是所有上层功能的数据基础。SLAM 建图与定位机器人一边运动一边扫描周围环境构建出占用栅格地图同时确定自己在地图中的位置。导航规划与控制有了一张地图和当前位姿后导航系统才能规划出一条从起点到目标点的无碰撞路径并输出速度指令控制机器人移动。这中间任何一个环节的质量都会影响最终效果。比如建图时机器人速度太快导致地图重影后面导航必然出问题再比如 TF 树的坐标系关系没配置好导航系统完全无法工作。这也是为什么我建议把“仿真 → 建图 → 导航”作为一条完整链路来学习而不是单独研究某个工具包。1.3 本文实战目标与前置要求通过本文的实战你将掌握以下能力使用 ROS2 的仿真器启动一个带激光雷达与里程计的移动机器人。使用 slam_toolbox 在 Stage 仿真环境中进行实时 SLAM 建图。使用地图保存工具导出 pgm/yaml 地图文件。在 Ignition/Gazebo 3D 仿真环境中启动 Nav2完成自主导航与避障。前置要求方面你需要准备一台安装 Ubuntu 22.04 的电脑并安装好 ROS2 Humble。当然如果你使用的是其他 ROS2 发行版原理完全一致只是部分软件包名称和路径会有差异。另外需要掌握基本的 Linux 终端操作知道cd、ls、source这些命令的含义即可。2. ROS2、SLAM 与 Nav2 核心概念速览2.1 ROS2 相比 ROS1 的架构变化很多老教程还停留在 ROS1但新项目基本都在向 ROS2 迁移。ROS2 在架构上的最大变化是底层通信改用了 DDSData Distribution Service数据分发服务。DDS 支持真正的分布式通信节点可以运行在不同的机器上而无需中心节点roscore来中转同时引入了服务质量策略QoS让数据传输的可靠性、实时性可以按需配置。对开发者来说ROS2 还有一个影响日常开发的变化功能包的构建系统从 catkin 变成了 colconlaunch 启动文件全面支持 Python 编写这让我们可以写出更灵活的启动脚本。比如在导航实战中一个 launch 文件可以同时启动仿真器、导航节点、Rviz2并给不同节点设置不同的参数这在 ROS1 时代实现起来要繁琐得多。2.2 SLAM建图与定位的双重职责SLAM 的全称是 Simultaneous Localization and Mapping中文一般翻译为“同时定位与建图”。可以这样理解机器人被放到一个陌生的房间里它一边移动一边用激光雷达测量周围障碍物的距离并且这些测量结果同步更新地图。与此同时它还要知道自己在当前地图中的位置。这就是“同时”的含义——定位帮助建图建图反过来又服务于定位两者互相依赖。常见的开源 SLAM 方案有很多比如本文使用的 slam_toolbox还有 Google 的 Cartographer以及视觉领域的 ORB-SLAM 系列。对于初学者来说slam_toolbox 配置简单、效果稳定非常适合作为入门选择。Cartographer 对参数调校和传感器质量要求更高适合后续进阶研究。2.3 Nav2可组合的导航框架Nav2Navigation2是 ROS2 官方推荐的导航框架它是 ROS1 中 move_base 的继任者。Nav2 把导航功能拆解成许多独立的组件全局规划器Planner、局部规划器Controller、代价地图Costmap、行为树Behavior Tree等。整个导航流程大致这样用户在地图中指定一个目标点 → 全局规划器基于静态地图规划出一条全局路径 → 局部规划器根据实时传感器数据躲避动态障碍物 → 控制器输出线速度与角速度指令 → 机器人底盘执行移动。Nav2 功能的丰富性也意味着参数非常多这也是为什么许多新手在用 Nav2 时容易感到挫败。本文会以最小配置跑通流程告诉你哪些参数是必须关心的哪些可以先放着不管。2.4 Stage 与 Ignition/Gazebo 的定位差异Stage 是一个轻量级 2D 仿真器它模拟的是机器人在二维平面上的运动激光雷达数据直接基于二维地图计算渲染也非常朴素。它的优点是启动快、占用资源低适合快速验证 SLAM 建图和导航算法。对于学习阶段来说Stage 可以让我们把精力完全放在建图流程上不必担心 3D 物理引擎带来的各种干扰。Ignition 则是 Gazebo 的下一代仿真平台现在官方也将其称为 Gazebo Sim。它提供完整的三维物理引擎、传感器仿真和逼真的渲染效果适合验证一些与真实场景更贴近的算法。需要理解的是无论仿真器是 2D 还是 3D对于上层的 SLAM 和 Nav2 来说它们都只是提供传感器话题与里程计话题的数据源。这部分抽象能力就是 ROS2 的魅力所在——同样的建图和导航代码可以无缝切换不同的仿真后端。3. 环境准备与 ROS2 基础配置3.1 操作系统与 ROS2 安装本文以 Ubuntu 22.04 ROS2 Humble 为例这是目前教程资源最丰富、兼容性最好的组合之一。安装 ROS2 之前请确保系统软件源可以正常访问并已经安装好curl和software-properties-common等基础工具。首先添加 ROS2 软件源并安装桌面版sudo apt update sudo apt install curl sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | sudo tee /etc/apt/sources.list.d/ros2.list /dev/null sudo apt update sudo apt upgrade sudo apt install ros-humble-desktop安装完成后需要把 ROS2 环境变量写入 shell 配置文件否则每次打开新终端都要手动 sourceecho source /opt/ros/humble/setup.bash ~/.bashrc source ~/.bashrc这里强烈建议使用ros-humble-desktop完整版因为它包含了 Rviz2、Gazebo、演示示例等一系列常用工具。如果只装了基础版后面很多命令会提示找不到包排查起来非常麻烦。3.2 创建 colcon 工作空间ROS2 中我们通常使用 colcon 来构建功能包。创建一个工作空间需要两个目录src用于存放源代码构建后的产物会放在build和install目录中。mkdir -p ~/ros2_ws/src cd ~/ros2_ws colcon build每次构建完成后记得 source 工作空间的 setup 文件source ~/ros2_ws/install/setup.bash在实际开发中这个 source 语句同样建议写入~/.bashrc。需要注意的是如果本机同时有多个 ROS2 工作空间后 source 的工作空间会覆盖先 source 的同名包这一点在调试功能包报错时经常被忽略。3.3 安装演示机器人依赖包本文实战部分将使用 TurtleBot3 这个经典的 ROS2 演示机器人平台因为它有非常完善的仿真支持。我们需要的功能包包括:sudo apt install ros-humble-turtlebot3-gazebo ros-humble-turtlebot3-navigation2 ros-humble-turtlebot3-teleop sudo apt install ros-humble-slam-toolbox ros-humble-nav2-map-server ros-humble-stage-ros2如果你在安装stage-ros2时提示找不到包可以先搜索一下当前发行版的可用版本apt search ros-humble-stage不同 ROS2 发行版的软件包名称会有差异比如在 Rolling 或其他版本上可能叫stage-ros2也可能已经内置到仿真仓库中。以实际查询到的包名为准即可。启动 TurtleBot3 仿真前还需要设置一个环境变量来指定机器人型号export TURTLEBOT3_MODELburger echo export TURTLEBOT3_MODELburger ~/.bashrc设置完所有环境后可以运行一个简单的节点测试环境是否正常ros2 run turtlesim turtlesim_node如果能看到小乌龟窗口说明 ROS2 安装和环境配置基本没有问题。4. Stage 仿真 SLAM 建图实战4.1 Stage 仿真器初体验Stage 仿真器在 ROS2 中的入口节点是stageros它通过读取.world文件来加载地图和机器人模型。.world文件是一种基于文本的建模格式可以定义墙壁、障碍物、机器人传感器等元素。下面是一个简化版的世界文件示例它创建了一个带围墙的矩形房间里面放了几面内部隔墙// 文件路径~/ros2_ws/src/stage_demo/world/simple.world define floor model ( size [6 6 1] color gray ) define block model ( size [0.2 1 1] color red ) model ( name floor pose [0 0 0 0] floor ) model ( name wall1 pose [1 0 0 0] block ) model ( name wall2 pose [-1 0.5 0 0] block )需要说明的是这个文件主要是展示 Stage 世界文件的书写思路实际使用中建议从stage_ros2官方仓库中的示例世界文件开始修改。Stage 本身不提供内建的 TurtleBot3 模型所以如果希望使用 TurtleBot3 的传感器模型需要自己在.world文件中定义差速底盘模型并挂载激光雷达。对初学者来说我更推荐直接使用stage_ros2自带的机器人模型或者通过ros2 launch stage_ros2提供的示例启动文件来加载默认世界。启动 Stage 仿真后可以用下面的命令检查传感器话题是否正常发布ros2 topic list ros2 topic hz /scan如果/scan话题有数据输出说明激光雷达传感器工作正常可以开始建图。4.2 启动 slam_toolbox 在线建图slam_toolbox 是 ROS2 中非常流行的 2D 激光 SLAM 工具它支持在线建图和地图持久化。在线异步建图模式online_async比较适合本场景因为它在处理激光数据时不会阻塞控制流程建图过程会更流畅。ros2 launch slam_toolbox online_async_launch.py use_sim_time:true这里设置use_sim_time:true非常关键。在仿真环境中系统必须使用仿真器发布的/clock话题作为时间源而不是使用宿主机系统时间否则传感器数据的时间戳会错乱建图结果会出现漂移。slam_toolbox 运行后会在以下话题上输出建图结果/map实时更新的占用栅格地图。/map_metadata地图的元数据。/slam_toolbox/scan_visualization激光扫描的可视化信息。在 Rviz2 中打开地图话题就能看到机器人不断扫描并逐步构建地图的实时画面。可以先确认这一层数据流是通的再进行遥控建图。4.3 键盘遥控与建图操作建图的本质是“控制机器人在环境中移动让激光雷达扫描到所有区域”。因此这一步需要手动遥控机器人走遍整个环境。TurtleBot3 提供了键盘遥控节点ros2 run turtlebot3_teleop teleop_keyboard运行后终端会显示控制按键说明w前进、s后退、a左转、d右转、x停止。建图时最重要的技巧是“慢速、匀速、全覆盖”。速度越快激光数据逐帧之间的位姿变化越大SLAM 算法匹配点云时的误差也越大。尤其是转角处一定要把线速度降下来多旋转几圈让激光雷达充分扫描到墙角结构否则建出来的地图边缘会产生重影。另外一个常见失误是“跑完一圈就结束”。真正合格的地图需要保证机器人经过的区域被激光覆盖且机器人在运动过程中能够反复观测到之前的特征点这样回环检测才能生效地图才不会出现累计漂移。所以在建图过程中建议让机器人走两遍主要道路一遍快速摸底一遍缓慢精扫。4.4 保存地图建图完成后需要把 slam_toolbox 生成的栅格地图保存到磁盘上。ROS2 中地图保存工具是 Nav2 的map_savermkdir -p ~/maps ros2 run nav2_map_server map_saver_cli -f ~/maps/simple_map执行成功后会在~/maps目录下生成两个文件simple_map.pgm栅格地图图片文件每个像素对应一个占用值。simple_map.yaml地图描述文件包含分辨率、原点、占用阈值等信息。simple_map.yaml的内容大致如下image: simple_map.pgm resolution: 0.050000 origin: [-10.000000, -10.000000, 0.000000] negate: 0 occupied_thresh: 0.65 free_thresh: 0.196这个 yaml 文件是后续导航时必须提供给 Nav2 的核心文件之一不要随意删除或重命名尤其是image字段的路径必须保持相对路径正确。5. Ignition/Gazebo 仿真 Nav2 导航实战5.1 3D 仿真环境与机器人模型完成 Stage 中的 SLAM 建图后接下来进入导航环节。导航需要验证机器人在已知地图中的定位、全局路径规划和局部避障能力这些功能在 3D 仿真环境下观察更为直观。这里我们使用 TurtleBot3 在 Ignition/Gazebo 中的仿真环境。如果你安装的是 Gazebo Classic可以直接用官方提供的 launch 文件启动一个带 TurtleBot3 的世界export TURTLEBOT3_MODELburger ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py如果你使用的是 Ignition 版本思想完全一致仿真器负责输出机器人的/scan、/odom、/tf等话题Nav2 只关心这些话题不关心后端到底是 Stage、Gazebo 还是 Ignition。启动后可以在 Rviz2 中确认/scan数据是否正常并观察三维场景中机器人所在的位置。仿真环境启动后需要保证use_sim_time环境参数为 true这样才能让 Nav2 的节点使用仿真时间。可以在 Rviz2 的面板中设置也可以在执行 launch 时显式传递use_sim_time:true。5.2 启动 Nav2 导航栈导航需要一张“预先建好的地图”以及机器人在该地图中的初始位置。TurtleBot3 提供了导航 launch 文件会同时启动 Nav2 的核心组件、AMCL 定位模块、机器人状态发布器和 Rviz2ros2 launch turtlebot3_navigation2 navigation2.launch.py use_sim_time:true map:/home/你的用户名/maps/simple_map.yaml其中map参数指定第 4 节中保存的地图文件。执行后Rviz2 窗口会加载出来中央显示地图机器人模型会出现在某个初始位置。如果机器人在地图中的初始位置和实际不符导航就无法正常工作。这时需要手动修正在 Rviz2 中点击 “2D Pose Estimate” 按钮然后在地图上拖拽调整机器人位姿把机器人的估计位置与实际位置对齐。这个步骤看似简单但经常被忽略一旦位姿初始化错误后面所有的规划都会失败。Nav2 启动成功后可以看到以下关键节点在运行ros2 node list通常包括/amcl、/planner_server、/controller_server、/behavior_server、/bt_navigator等。这些组件分别负责定位、全局规划、局部规划、行为管理和导航任务编排。5.3 Rviz2 中发布目标点导航的核心操作是在 Rviz2 中给机器人指定目标点。点击 Rviz2 顶部工具栏的 “Navigation2 Goal” 按钮然后在地图上点击一个目标位置并拖动调整朝向松开鼠标后Nav2 会开始处理导航任务。你会在地图上看到几条重要信息绿色的细线全局规划路径由全局规划器基于静态代价地图生成。红色/绿色的区域代价地图红色代表致命障碍物区域Lethal cost 不允许机器人进入绿色代表膨胀区域机器人会尽量避开。机器人周围的局部路径曲线由局部规划器实时更新的路径会依据激光雷达数据不断调整以实现动态避障。如果一切正常机器人会先旋转调整朝向然后沿着全局路径移动。如果路径上有障碍物局部规划器会尝试绕开如果绕不开机器人会停下来等待直到障碍物移开或导航任务超时。为了测试导航算法的可靠性可以在机器人前进路径上手动添加障碍物观察 Nav2 是否能及时重新规划路径。在仿真环境中这一步只需要在世界文件里增加一个模型或使用 Ignition 的模型放置功能即可。5.4 从建图到导航的串联思路到这里你已经分别完成了“用 Stage 建图”和“在 Gazebo/Ignition 中导航”两个独立任务。但在实际工程中这两个环节通常是在同一个场景下接续完成的先在仿真的地图上建图保存地图后再用同一张地图启动导航。串联时有一个容易踩的坑建图时的地图原点与导航时的地图原点不一致。SLAM 工具建图时通常以机器人启动位置为原点而 Nav2 加载地图后AMCL 定位模块会重新估算机器人在地图中的位置。如果保存地图后修改过地图文件或者在导航 launch 中指定了错误的初始位姿机器人就会出现在地图之外导致导航直接失败。遇到这种情况先删除或重置 AMCL 的初始位姿再重新用 “2D Pose Estimate” 手动初始化即可。另一个值得关注的话题是 “重定位” 问题。SLAM 建图和导航定位其实是两种不同的任务建图是对未知环境进行探索定位是在已知地图中确定自身位置。Nav2 中不需要跑 SLAM只需要跑 AMCL这也是为什么导航系统中不会启动 slam_toolbox 节点。6. 常见问题与排查思路在实际操作中几乎没有哪条命令是第一次就能完美跑通的。下面汇总几个最高频的问题按“现象 → 原因 → 解决”的思路整理成表方便你快速对照。问题现象常见原因解决思路启动节点提示找不到包环境变量未 source或功能包没有安装检查source /opt/ros/humble/setup.bash并确认 apt 包安装成功/scan话题没有数据仿真器未启动或机器人模型没有挂载激光雷达检查ros2 topic list确认仿真进程正常运行Rviz2 中看不到地图地图话题未添加或use_sim_time不匹配检查/map话题并确保所有节点统一使用仿真时间slam_toolbox 建图出现重影机器人移动过快或 TF 时间戳漂移降低遥控速度检查 TF 树的坐标关系Nav2 导航规划失败地图与当前环境不匹配或目标点设置在障碍物内检查地图文件重新初始化机器人位姿选择可通行目标点机器人不走直线、蛇形摇摆局部规划器参数调节不当或底盘模型不匹配调整 controller_server 中的最大速度、加速度参数导航时机器人原地旋转不停机器人位姿初始化不准确或目标点朝向设置不合理重新用 “2D Pose Estimate” 初始化位姿这里重点说一个经常让新手困扰的现象所有节点都正常启动Rviz2 也有地图但 Nav2 就是规划不出路径。排查顺序建议如下检查目标点是否位于代价地图的 free 区域而不是障碍物内。检查全局代价地图的话题名是否和地图话题一致必要时在 Rviz2 中查看 Global Costmap 层是否显示地图。检查 TF 树是否完整运行ros2 run tf2_ros tf2_echo map odom看是否有数据输出。检查 AMCL 定位是否收敛Rviz2 中的粒子是否集中在一个区域。如果以上都正常但导航仍然失败可以尝试重启 Nav2 节点并在navigation2.launch.py中增加params_file参数使用官方默认参数文件重新启动。7. 最佳实践与工程建议7.1 用 launch 文件管理仿真与导航流程手动一条条敲命令虽然能加深理解但工程效率太低。建议把仿真、建图、导航的启动过程封装进 launch 文件。ROS2 的 launch 文件采用 Python 编写可以方便地设置节点间的依赖顺序、共享参数和条件判断。例如一个建图 launch 文件可以同时启动仿真器、slam_toolbox、Rviz2 和键盘遥控节点并通过use_sim_time参数统一时间源。写 launch 文件时建议保持“一个文件只做一件事”的原则。不要试图在一个 launch 文件里塞下建图和导航两类任务因为建图阶段和导航阶段的节点集合差异很大混合在一起不仅调试困难还会导致不必要的资源浪费。7.2 关注 TF 树与话题约定在 ROS2 的移动机器人系统中TF 树是一切算法的前提。典型的移动机器人 TF 树至少包含以下坐标关系map→odom由 AMCL 发布用于定位。odom→base_footprint由里程计或仿真器发布表示机器人相对起始位置的位姿。base_footprint→base_scan或laser_link由机器人描述文件发布表示激光雷达相对机器人中心的位置。如果某个坐标变换缺失SLAM 或导航节点会在启动时直接报错。排查 TF 问题最直接的工具是ros2 run tf2_ros tf2_monitor这个命令会周期性输出所有 TF 变换的状态方便检查哪个变换没有发布。在实际工程中我还建议把机器人的 URDF 文件单独维护不要和仿真器配置混在一起方便在真机和仿真之间切换。7.3 仿真到真机的注意事项很多参数在仿真环境中能正常工作迁移到真机会立刻失效。最典型的就是底盘运动学参数仿真的 TurtleBot3 是理想化模型没有轮子打滑、没有电机响应延迟、没有电池电压下降带来的推力减少。真机上需要重新标定里程计确认odom话题输出的位移和实际位移一致否则建图和导航都会出现严重漂移。另外仿真中激光雷达的数据是理想无噪声的真机激光雷达需要标定外参和噪声参数。如果仿真和真机使用不同的雷达型号Nav2 的代价地图参数也建议重新调整。我的建议是仿真阶段重在理解整个系统的数据流真机阶段再针对硬件特性逐项调优。7.4 参数与配置管理Nav2 的参数非常庞杂如果每次都是改一点重启一次会非常低效。建议把 Nav2 相关参数统一放到一个 yaml 文件中并做好版本管理。例如代价地图的膨胀半径、机器人底盘半径、最大速度限制等参数集中在一个nav2_params.yaml里。使用 Git 管理这些参数文件记录每次调参的原因和效果长期来看会节省大量时间。同时要留意Nav2 官方仓库会随发行版更新参数文件的版本。不同 ROS2 发行版之间Nav2 参数的节点名、参数名可能有差异。因此当你在网上下载到一份 Nav2 参数文件时不要直接套用先对比一下官方默认参数文件确认节点名一致再使用。8. 总结与学习路线8.1 本文掌握了什么到这一步你已经完成了一条完整的 ROS2 移动机器人自主导航闭环用 Stage 2D 仿真器快速启动机器人。使用 slam_toolbox 实时建图。使用 map_saver 保存地图。切换到 Gazebo/Ignition 3D 仿真器启动 Nav2 导航。在 Rviz2 中发布目标点完成自主导航与避障。这个闭环最大的价值在于它让你真正理解了 SLAM 和 Nav2 在整个机器人系统中的位置SLAM 负责“对环境建模和对自身定位”Nav2 负责“在地图中规划并执行移动”。二者通过地图、坐标变换和传感器话题紧密协作而这种协作方式不会因仿真器或机器人硬件的变化而改变。8.2 下一步可以继续钻研的方向跑通基础链路之后可以往以下几个方向深入参数调优反复调整 Nav2 的代价地图膨胀半径、全局规划器算法如 A*、Dijkstra、局部规划器算法如 DWB、Regulated Pure Pursuit观察机器人路径质量和平滑度变化。多传感器融合在仿真中同时使用激光雷达和相机引入视觉 SLAM 或激光视觉融合建图。行为树与任务规划学习 Nav2 中的行为树机制通过 BehaviorTree.CPP 自定义机器人的复杂任务流程。真实机器人部署把仿真中跑通的建图与导航流程迁移到真实底盘上关键是做好里程计标定、传感器外参标定和参数调整。如果你在实践过程中卡住了优先回看 TF 树、话题数据和use_sim_time这三个因素多数问题都能从它们身上找到根源。希望这篇 ROS2 仿真建图与 Nav2 导航实战教程能帮你顺利打通机器人自主移动的第一段路后续的进阶探索就留给不断实践中的你了。