从地基到肌肉：转型学习的起点

为什么换一个问题

我的工程训练来自岩土领域。过去面对的是土体、结构、边界条件和不确定性；现在吸引我的是人体如何产生、控制并适应运动。

硕士毕业后，我于 2024.07—2025.07 在金风科技研发中心海工结构技术部担任海上基础设计工程师，参与固定式海上风电基础的前期与投标技术支持。科研和工程经历都强化了我对力学建模、数值计算、假设边界与结果验证的重视。

对象变了，但问题之间有一条很清楚的线：我们都需要把复杂系统抽象成模型，明确假设，再用数据或实验检查模型是否说得通。

这也是我转向神经肌骨建模的起点。它不是一次已经完成的身份切换，而是一段仍在推进的学习过程。

我理解的神经肌骨建模

神经肌骨建模（Neuromusculoskeletal Modeling，NMS）尝试用可计算的模型描述神经控制、肌肉发力、骨骼运动和外部环境之间的关系。

它可以服务于很多问题，例如：

• 估计难以直接测量的肌肉力与关节负荷
• 比较不同动作策略对人体组织的影响
• 辅助康复、假肢、矫形器与外骨骼设计
• 把运动学、动力学和神经控制放到同一个分析框架中

这些应用很吸引人，但对初学者而言，更重要的是先理解模型的边界：输入数据来自哪里、参数如何确定、结论对假设有多敏感。

我现在处在哪个阶段

目前我仍处在搭建基础链路的阶段。这条路径不是课程证书的堆叠，而是围绕后续研究所需能力逐步展开：

1. MIT 18.06 Linear Algebra：建立线性代数与矩阵方法基础
2. Andrew Ng Machine Learning：形成机器学习问题、模型与优化的基本框架
3. Karpathy Neural Networks: Zero to Hero：从零实现神经网络，理解训练机制
4. 李沐《动手学深度学习》（D2L）：系统学习深度学习模型及其代码实现
5. 赵世钰《强化学习的数学原理》：从数学角度进入强化学习
6. Sutton & Barto《Reinforcement Learning: An Introduction》：建立经典强化学习的方法脉络
7. CS285 Deep Reinforcement Learning：当前正在进行的阶段

我暂时不希望把“正在学”写成“已经掌握”。项目页会明确标注进度，文章也尽量区分事实、理解和计划。

为什么做这个网站

这个网站不是完成品陈列柜，更像一本公开的研究手记。我希望它至少做到三件事：

• 记录自己为什么做一个选择，而不只是展示最终结果
• 保存模型假设、参数来源和失败路径，方便回头复查
• 把零散学习组织成能够继续推进的小项目

如果之后的理解发生变化，旧文章也可能被修订。对一个跨领域学习者来说，允许内容留下版本和变化，本身就是过程的一部分。

下一步

当前优先事项是完成 CS285，并把关键推导、实现和实验整理成可复查的记录。完成 CS285 后，我计划把 MS-Human-700 系列作为第一个综合复现里程碑；这项复现目前尚未开始。

这篇文章是起点，不是结论。