基于pybullet与stable-baselines3的机械臂抓取强化学习实践

简介一份基于PyBullet与Stable Baselines3的法奥机械臂强化学习抓取训练源码及配套文档面向机器人、计算机等相关专业正在完成毕业设计、课程设计或期末大作业的学生也适合需要项目实战练习的初学者。项目经导师指导并获99分评审代码完整、可直接运行环境配置、训练流程与参数说明均有文档支撑。压缩包共79个文件约23.1MB包含STL/DAE三维模型、URDF机械臂描述、Python训练与测试脚本、配置与日志文件等目录结构清晰便于按模块学习和二次开发。目前已有90人学习下载。读者可借此掌握机械臂仿真环境搭建、强化学习抓取任务设计及PPO算法训练调参的完整思路并利用提供的模型权重与可视化结果快速验证效果。1. 为什么用 pybullet stable-baselines3 做法奥机械臂抓取仿真先行成本直降一个数量级在真机上做抓取强化学习一次碰撞可能就要换夹具电机过流保护一复位一夜只能攒几千步经验换成 pybullet 仿真一个下午能跑上百万步而且失败的成本约等于零。pybullet 是轻量级的物理仿真器stable-baselines3 是当前工程落地最顺手的深度强化学习算法库两者的组合是机械臂抓取训练最常见的起步方案。这类项目的源码通常配套文档说明把 pybullet 加载法奥机械臂 URDF、用 PPO 训练抓取策略、调参和模型评估的流程串起来。这篇文章就沿着这条线把每一步怎么做、参数怎么设、坑在哪讲到能直接复现的程度。2. 在 pybullet 里搭出法奥机械臂抓取环境从 URDF 加载到三维空间坐标系对齐2.1 环境初始化和法奥机械臂 URDF 的加载GUI 和 DIRECT 两种模式怎么选pybullet 的使用门槛比 gazebo 低不少。以前用 gazebo 做强化学习抓取最头疼的是每次加载世界模型要等十几秒换个物体就要重新生成 sdfpybullet 的loadURDF是毫秒级加载物理步进逻辑也简单直接。先把仿真环境初始化出来import pybullet as p import pybullet_data # GUI 模式用于单步调试DIRECT 模式用于批量训练 physics_client p.connect(p.GUI) # 训练时改成 p.DIRECT p.setAdditionalSearchPath(pybullet_data.getDataPath()) p.setGravity(0, 0, -9.81) p.setRealTimeSimulation(False) # 关闭实时仿真手动控制步进节奏 # 占位换成法奥 FR3 导出的 URDF 文件路径 arm_uid p.loadURDF( franka_panda.urdf, useFixedBaseTrue, flagsp.URDF_USE_SELF_COLLISION_EXCLUDE_PARENT, ) print(floaded arm, uid{arm_uid})p.connect是 pybullet 的入口参数只有GUI和DIRECT两种常见选择。训练阶段必须用DIRECT因为它不开渲染窗口帧率能高出一个数量级GUI模式只适合在调试阶段看机械臂动作是否合理。setRealTimeSimulation(False)这行不能省强化学习训练需要严格由p.stepSimulation()控制推进节奏如果开着实时仿真物理时钟和算法步调会互相干扰。法奥这类六轴协作臂的 URDF 一般从厂家提供的 ROS 包导出拿到后第一时间要检查 base_link 坐标系的朝向这个坑后面会细说。加载完 URDF 后下一步是找出所有可驱动的关节。抓取任务里机械臂末端夹爪的开合也是一个关节所以关节列表通常不止六个joint_ids [] for i in range(p.getNumJoints(arm_uid)): info p.getJointInfo(arm_uid, i) # 关节类型 0 表示旋转关节1 表示滑动关节 if info[2] p.JOINT_REVOLUTE: joint_ids.append(i) print(fjoint {i}: {info[1].decode()} lower{info[8]:.3f} upper{info[9]:.3f})打印出来的关节序号、名称和限位是后面设计动作空间的基础。关节顺序必须和 stable-baselines3 里 action 向量的维度一一对应顺序错了策略学出来的动作就是乱的。我一般会把joint_ids存成类成员并单独记录夹爪关节的 index方便后面单独控制。2.2 抓取场景搭建桌面、目标物和末端执行器机械臂抓取最少需要三样东西机械臂本体、支撑桌面、被抓取的目标物。桌面用一个静态的 URDF 或者纯几何体都行目标物建议用简单几何体起步——实际项目中先拿立方体或圆柱体把策略跑通再换复杂 mesh这个顺序能省掉大量排查时间。import numpy as np # 桌面加载后手动把摩擦系数调大防止物体在上面打滑 table_uid p.loadURDF(table/table.urdf, basePosition[0.5, 0, 0.6]) p.changeDynamics(table_uid, -1, lateralFriction1.2) # 目标物用小立方体代替便于控制尺寸和物理属性 obj_uid p.loadURDF( cube.urdf, basePosition[0.5, 0, 0.62], baseOrientationp.getQuaternionFromEuler([0, 0, 0]), ) p.changeDynamics(obj_uid, -1, lateralFriction0.8, spinningFriction0.1) # 让仿真先稳定几个步进物体落在桌面上后再开始训练 for _ in range(50): p.stepSimulation()p.changeDynamics的第三个参数传入的是 body unique id-1表示对整个 body 生效。lateralFriction是平移摩擦系数桌面设 1.2、目标物设 0.8 是个很稳的起步值——目标物既能被夹爪带动又不会在桌面上滑得像冰面一样。spinningFriction控制自旋摩擦对圆柱体这类目标影响明显立方体可以设小一点。加载完先空跑 50 步目的是让目标物在重力作用下稳定落座否则训练一开始目标物还在半空往下掉策略学到的全是无效经验。2.3 三维空间坐标系对齐为什么目标点总是抓偏新手最容易翻车的地方不在算法在坐标系。pybullet 里getBasePositionAndOrientation返回的是世界系坐标而机械臂的逆运动学输入是基座坐标系下的目标位姿。如果直接把世界系的目标位置喂给 IK机械臂会以一个莫名其妙的偏移去抓空气。法奥机械臂的 URDF 如果是按 ROS 惯例导出的base_link 的 z 轴朝上但有些从 CAD 直接转换的 URDF 可能 z 轴朝后必须先确认。# 目标物在世界系下的位置 obj_pos, _ p.getBasePositionAndOrientation(obj_uid) # 机械臂基座在世界系下的位置和姿态 base_pos, base_ori p.getBasePositionAndOrientation(arm_uid) inv_base_pos, inv_base_ori p.invertTransform(base_pos, base_ori) # 把目标物坐标从世界系变换到机械臂基座系 obj_in_base p.multiplyTransforms( inv_base_pos, inv_base_ori, obj_pos, [0, 0, 0, 1] ) target_xyz np.array(obj_in_base[0]) print(target in base frame:, target_xyz)直接拿两个坐标做向量相减只有在机械臂底座姿态为单位姿态时才成立一旦底座有任何旋转减出来就是错的。p.invertTransform和p.multiplyTransforms是一对标准工具invertTransform得到基座系的逆变换再乘目标位置得到的就是目标在机械臂基座系下的坐标。判断坐标系是否对齐有一个笨办法把机械臂初始关节设成零位打印末端执行器的世界坐标再手动把目标物放在末端正前方看换算出来的坐标是否符合直觉。这一步做扎实了后面的奖励函数才能少背一口锅。3. 用 stable-baselines3 训练抓取策略PPO 是首选奖励函数决定一切3.1 为什么是 PPO 而不是 DQN 或 SAC抓取任务的动作空间是连续的六个关节要输出角度增量夹爪要输出开合量。DQN 只能处理离散动作硬要去做连续控制就得把每个关节的角度离散成几十个档位动作空间瞬间爆炸训练复杂度不可接受。SAC 也是连续控制的正路样本效率比 PPO 高但在 pybullet 这种廉价仿真器里样本效率不是瓶颈稳定性和调试成本才是。PPO 在这三者里是泛用性最好的深度强化学习算法超参数宽容度高reward scale 不那么敏感一旦收敛不容易剧烈发散和之前做多 AGV 路径规划强化学习任务时观察到的规律一致——连续控制问题里PPO 是最省心的第一块敲门砖。stable-baselines3 里直接用的是PPO(MlpPolicy, env)底层是 on-policy 的 clipped surrogate objective。它的缺点也摆在明面上采样效率不如 SAC每轮更新都要重新采样一大批轨迹。但抓取单次 rollout 只有几十步仿真器跑得快这个缺点完全可以接受。3.2 把 pybullet 环境包装成 Gym 格式reset、step、observation 和 action 的映射stable-baselines3 要求环境实现 gymnasium 接口。包装这一步是整个训练管线的地基observation 空间和 action 空间设计得是否合理直接决定后面训练收敛的速度。import numpy as np import gymnasium as gym from gymnasium import spaces import pybullet as p class FrankaGraspEnv(gym.Env): def __init__(self, urdf_path, render_modeNone): super().__init__() self.arm_uid -1 self.obj_uid -1 self.urdf_path urdf_path self.step_count 0 self.max_steps 200 # 7 维动作6 个关节速度增量 1 个夹爪开合 self.action_space spaces.Box( low-1.0, high1.0, shape(7,), dtypenp.float32 ) # 16 维观测6 关节角度 6 关节速度 3 目标相对位置 1 夹爪开度 self.observation_space spaces.Box( low-np.inf, highnp.inf, shape(16,), dtypenp.float32 ) def reset(self, seedNone): self.step_count 0 p.resetSimulation() p.setGravity(0, 0, -9.81) p.setAdditionalSearchPath(pybullet_data.getDataPath()) # 重新加载场景见第 4 章对 reset 开销的讨论 self._load_scene() return self._get_obs(), {} def step(self, action): self._apply_action(action) for _ in range(20): # pybullet 固定步长 1/240s20 步约 0.083s p.stepSimulation() obs self._get_obs() reward self._compute_reward() # terminated 表示 episode 以成功或失败收尾 terminated self._check_collision() or self._is_grasped() # truncated 表示到达最大步数任务未完成 truncated self.step_count self.max_steps self.step_count 1 return obs, reward, terminated, truncated, {}这段代码对应着一个完整的最小可训练环境。几个设计决策值得展开说。terminated和truncated是 gymnasium 的两个独立信号stable-baselines3 会分别处理terminated 代表 MDP 的正常结束value function 不再往前看truncated 代表外界截断后面还有真实的未来价值。如果混成同一个信号PPO 的 bootstrap 逻辑会错价值估计系统性偏移。动作空间限定在[-1, 1]这个设计是有意的。真实关节速度限位、夹爪开合范围都是有限区间把动作归一化让神经网络输出层可以用 tanh 激活不需要额外约束。实际下发时乘一个速度缩放系数即可比如 6 个关节各乘 0.5rad/s夹爪乘 0.05。观测里除了关节角度和速度目标物的相对位置是策略能学会「看目标」的唯一信息来源坐标务必换算到机械臂基座系这个换算在第 2.3 小节已经讲过。3.3 奖励函数设计稀疏奖励为主、稠密奖励为辅的实战配方奖励函数是抓取任务里最考验工程感觉的部分。纯稀疏奖励——抓到了给 100没抓到给 0——在随机初始化下太难探索PPO 很容易陷在「永远碰不到目标」的死区。稠密距离奖励又容易把策略带偏让它学会「靠近物体但不完成抓取」。实战中我用的是稀疏为主、稠密为辅def _compute_reward(self): obj_pos, _ p.getBasePositionAndOrientation(self.obj_uid) link_state p.getLinkState(self.arm_uid, self.ee_link_idx) ee_pos, _ link_state[0], link_state[1] dist np.linalg.norm(np.asarray(obj_pos) - np.asarray(ee_pos)) # 稀疏奖励优先权重远大于距离惩罚 if self._is_grasped(): return 100.0 if self._check_collision(): return -10.0 # 稠密引导项让策略先学会靠近但系数要小 return -0.05 * dist def _is_grasped(self): # 目标物被提离桌面 3cm 以上同时夹爪处于闭合状态 obj_z p.getBasePositionAndOrientation(self.obj_uid)[0][2] return obj_z self.table_z 0.03 and not self._gripper_open def _check_collision(self): # 检查机械臂与桌面、目标物意外的物体是否碰撞 contact_points p.getContactPoints(bodyAself.arm_uid) for cp in contact_points: if cp[8] 0.005 and cp[2] ! self.obj_uid and cp[2] ! self.table_uid: return True return False这个奖励公式的关键在于量纲。距离惩罚系数取 0.05当末端与目标物相距 0.2 米时单步惩罚只有 0.01一个 200 步的 episode 全部用来靠近也就累计 2 的负奖励而抓取成功一次是 100。这样策略不会为了逃避距离惩罚而原地不动同时「靠近」这个行为又能得到微弱的正信号引导。碰撞惩罚 -10 要设得比距离惩罚高一个量级避免策略走「撞翻目标物然后抓住」的邪路。如果训练发现碰撞频繁可以适当加大碰撞惩罚但不要超过成功奖励的 1/5否则策略会变成缩在角落的「躺平派」。一个常被忽略的问题是_is_grasped里对夹爪状态的判断。实际抓取成功不能只看末端离目标够近还要确认物体确实跟随末端一起运动了。判断「目标物 z 坐标抬升 3cm 以上」比直接检测物体是否绑在末端的动力学关系要稳得多——后者在 pybullet 的接触模型下有非常多玄学情况。顺带一提如果做的是真实机械臂数据驱动的抓取并且动力学模型足够精确可以考虑基于模型强化学习的路线样本效率会高不少但对仿真保真度要求也高pybullet 加 PPO 这套组合更适合作为第一个跑通全流程的基线。4. 训练调试的硬骨头PPO 超参数与 pybullet 的五个翻车现场4.1 碰撞检测一直误触发机械臂还没动就判定失败现象训练刚开始几百步机械臂动作幅度很小成功率却是零debug 后发现大量 episode 以碰撞终止。原因URDF 里的碰撞体默认是凸包近似比视觉模型大一圈目标物初始位置如果和桌面边缘挨得太近仿真起步阶段就在碰撞状态。解决用p.getContactPoints定位碰撞对再把误报的碰撞体用setCollisionFilterGroupMask排除。# 第一步打印当前所有接触点确认是哪两个连杆在碰撞 contacts p.getContactPoints(bodyAarm_uid) for cp in contacts: print( flinkA{cp[3]}, linkB{cp[4]}, fdistance{cp[8]:.4f} ) # 第二步对总是误报的连杆做碰撞过滤 p.setCollisionFilterGroupMask(arm_uid, bad_link_id, 0, 0)setCollisionFilterGroupMask的第二个参数是 link index后两个参数是碰撞组别和掩码都设 0 表示该连杆不参与碰撞检测。这个操作要克制——只有确认是凸包近似的误报才过滤把真实碰撞也过滤掉会让策略学会穿模。目标物初始高度要多给 5mm 以上的间隙别让它在 reset 后紧贴桌面这个习惯能挡掉相当一部分莫名的碰撞终止。4.2 PPO 的 loss 在下降抓取成功率纹丝不动现象policy loss 和 value loss 曲线都在正常范围波动训练了 30 万步评估成功率依旧是零。原因策略陷入局部最优——学会了「伸过去、碰一下」但夹爪闭合动作没被有效强化因为距离惩罚在奖励里占比过大策略停在贴近物体就能拿到微弱正信号的舒适区。解决把夹爪闭合的成功信号放大同时降低距离惩罚的长期占比。其中一种有效的处理办法是课程学习第一阶段固定目标位置先训接近和接触第二阶段固定目标位置教夹爪闭合和抬升第三阶段才打开位置随机化。这跟 iql 离线强化学习的思路有相通之处——先保证轨迹里有高质量的成功样本策略才有东西可学。如果不想分阶段可以试试把ent_coef从默认 0 调到 0.01让策略强制保持探索但代价是收敛后策略会更“吵”成功率上限略有下降。4.3 目标物位置一变策略成功率断崖式下跌现象固定位置训练 50 万步成功率 90%把目标物位置改成随机采样成功率掉到 5%。原因策略根本没有学会“看见目标然后去抓”而是背下来了一条从初始姿态到抓取点的固定轨迹。目标物位置的观测虽然一直在 observation 里但它从不变化神经网络直接把这一维当成了常量忽略掉。这正是因果强化学习的核心机制在反复提醒的问题——模型学到的是位置与动作的相关性而不是目标位置驱动动作的因果性。解决从训练第一天就开始做目标位置随机化范围从 0.1 米半径逐步加大到 0.25 米让策略不得不依赖“看”这个动作。4.4 PPO 训练到一半 value loss 突然暴涨现象前 20 万步一切正常突然 value loss 从 0.1 级别跳到 10 以上reward 曲线也跟着剧烈震荡。原因奖励信号的尺度太大了。稀疏奖励给 100value function 的回归目标方差随之变大PPO 的价值网络很难拟合这个跳跃最终梯度爆炸。解决把稀疏奖励压缩到 10碰撞惩罚压到 -1距离惩罚系数同步除以 10整体的相对关系不变但绝对值小了一个量级。顺带把 PPO 最常用的一组参数给出来这是 pybullet 机械臂任务里我反复调过觉得最稳的组合n_steps2048、batch_size64、gamma0.99、gae_lambda0.95、clip_range0.2、learning_rate3e-4。如果训练中段发现 reward 震荡加剧优先把learning_rate降到 1e-4而不是去动clip_range——后者动小了策略更新太保守动大了又容易沖过。n_steps和batch_size的倍数关系也要保持n_steps是 batch_size 的整数倍是硬约束否则 stable-baselines3 的 buffer 切分直接报错。4.5 GUI 模式下训练卡到没法看resetSimulation 一次要几百毫秒现象本地开着 GUI 窗口训练帧率只有个位数跑几万步就卡死。原因p.resetSimulation()每次都会卸载并重新加载所有 URDF物理引擎内部的内存分配开销极大GUI 模式的渲染管线还会额外拖慢步进。解决训练一律用p.DIRECT可视化回放单独开脚本加载模型reset 逻辑从「重建世界」改成「软重置」只恢复关节状态和物体位姿def _soft_reset(self): # 不调用 resetSimulation只重置机械臂关节角和目标物位置 for jid, joint_pos in zip(self.joint_ids, self.init_joint_positions): p.resetJointState(self.arm_uid, jid, joint_pos, 0.0) obj_pos, obj_ori self._sample_target_pose() p.resetBasePositionAndOrientation( self.obj_uid, obj_pos, obj_ori ) p.resetBaseVelocity(self.obj_uid, [0, 0, 0], [0, 0, 0]) return self._get_obs()p.resetBasePositionAndOrientation会直接覆盖物体的动力学状态不会触发碰撞响应所以目标物不能设在和桌面穿透的位置。软重置能省掉一个数量级的 reset 开销整个训练速度的提升立竿见影。代价是环境里所有物体的 URDF 只能在__init__里加载一次后面无论怎么 reset 都不能换模型——这对抓取任务不是问题但如果你要在训练中途切换场景布局就得回到全套 reset 的老路上去。5. 从单目标到多位置抓取领域随机化让策略学会真正的泛化5.1 随机化哪些参数位置、姿态、摩擦、质量一张表理清边界领域随机化是把仿真策略推向真实机械臂的关键一步。目标物位置是第一个要随机化的对象其次是姿态、摩擦系数和质量。下面这张表是我在抓取训练里逐步打开的参数清单按重要性排序随机化参数取值范围作用开启时机目标物 x/y 位置基座前方半径 0.15~0.25m 均匀采样迫使策略利用目标位置观测而不是背轨迹训练第一天目标物初始 yaw 角0~2π 均匀采样学会不同朝向下的夹爪闭合策略位置随机化稳定后目标物摩擦系数0.3~1.0 均匀采样应对真实物体表面差异成功率过 60% 后目标物质量基准值 ±20% 均匀采样防止策略依赖“轻到一碰就飘”的假设成功率过 60% 后机械臂初始关节角零位附近 ±0.05rad 高斯噪声防止策略固定从同一姿态出发训练第一天位置随机化范围要压在工作空间可达区域内。法奥六轴协作臂的抓取习惯区域在机身前方随机半径从 0.15 米起步比较安全超过可到达范围后PPO 会把大量样本浪费在不可解的状态上成功率天花板会被明显压低。摩擦系数随机化时下限不要低于 0.3太滑的物体在 pybullet 的接触模型里稳定性很差训练出来的策略也容易依赖「滑行微调」这种仿真特有行为。5.2 实现在 reset 里完成随机化别在训练循环里手动改物理参数随机化要放在环境 reset 内部不要让算法层面的循环去干预物理场景。把采样逻辑封装成独立函数便于控制每个参数的开关和范围def _sample_target_pose(self): # 位置基座前方扇形区域随机半径和角度分开采样 radius np.random.uniform(0.15, 0.25) angle np.random.uniform(-np.pi / 2, np.pi / 2) x self.base_x radius * np.cos(angle) y self.base_y radius * np.sin(angle) z self.table_z 0.05 # 姿态仅绕 z 轴旋转随机物体始终水平放在桌面上 yaw np.random.uniform(0, 2 * np.pi) return [x, y, z], p.getQuaternionFromEuler([0, 0, yaw]) def _reset_physics_properties(self): # 每个 episode 重新采样摩擦和质量模拟真实物体的差异性 friction np.random.uniform(0.3, 1.0) mass np.random.uniform(0.8, 1.2) p.changeDynamics(self.obj_uid, -1, lateralFrictionfriction) p.changeDynamics(self.obj_uid, -1, massmass)radius和angle分开采样会让目标位置在扇形区域内均匀分布比在正方形区域内直接采样 xy 更贴合机械臂的臂展特性。yaw随机到 0~2π 会让立方体目标以任意朝向出现一开始训练可能会让成功率掉一截这是正常的——策略需要重新学会“看到侧面也能调整夹爪”。_reset_physics_properties在每次 reset 时调用会给训练增加不少方差如果发现训练不稳可以先把摩擦和质量固定等其他参数稳了再打开。随机化的节奏比范围更重要。我踩过的血泪经验是所有参数一次全开训练直接崩——策略面对的状态空间太大PPO 的探索能力在短时间内扛不住。正确做法是先把位置随机化打开练到成功率 60% 以上再逐步加入 yaw、摩擦、质量。每一步加入新随机性后成功率都会先跌一段稳住之后才是真正的泛化能力提升。5.3 验证随机化的效果用固定随机种子做评估判断随机化有没有生效不能只看训练曲线。固定随机种子的评估更可靠。做法是在环境里加一个eval_mode开关评估状态下位置随机范围缩窄到训练范围的中值附近姿态固定几个典型角度摩擦取中值跑 100 个 episode 统计成功率。评估通过后还有一个常见误区把随机范围过度扩大。有些人认为范围越大泛化越强结果机械臂动作变得非常保守。范围的天花板是机械臂的实际工作空间超出的部分只会制造无效探索。训练成功率达到预期的标志是位置随机、姿态随机、摩擦固定成功率稳定在 70% 以上——这个成绩已经具备导出模型做 sim-to-real 迁移的条件了。6. 训练完怎么验证确定性策略回放和关节轨迹导出训练收敛后第一件事不是部署到真机而是写一个评估脚本统计真实成功率。stable-baselines3 加载模型后评估必须开确定性策略——model.predict(obs, deterministicTrue)会取动作分布的均值否则每次结果都受采样噪声影响同一模型两次评估成功率能差出二十个百分点。from stable_baselines3 import PPO model PPO.load(franka_grasp.zip) obs, _ env.reset() success_count 0 episodes 100 for _ in range(episodes): done False while not done: action, _ model.predict(obs, deterministicTrue) obs, reward, terminated, truncated, _ env.step(action) done terminated or truncated # 成功信号episode 以抓取成功终止reward 等于稀疏奖励 if reward 9.0: # 对应压缩后的成功奖励 10 success_count 1 obs, _ env.reset() print(fsuccess rate: {success_count / episodes:.2f})评估环境要和训练环境保持同一个随机化配置只是把所有分布的方差调小。如果评估成功率在 70% 以上下一步通常是导出关节轨迹在每个 episode 里循环记录p.getJointState的关节角度存成 numpy 数组。这条轨迹是策略的行为样本不是策略本身下发到真实法奥机械臂时需要把它当作速度规划参考而不是逐点硬对齐的位置指令。真要往真机迁移还有一道 sim-to-real 的坎仿真里的关节摩擦模型、执行器延迟、URDF 动力学参数和真实机械臂都有差异。如果想让策略在真机上继续打磨可以考虑走 iql 离线强化学习路线用仿真里积累的高质量轨迹做离线训练这也是深度强化学习算法里比较贴合实际部署的方向。我做第一版抓取策略时奖励函数把距离惩罚系数设得太大策略最终学会了「躺着不动」而不是「抓得到」白白浪费了两天调试时间。后来才想明白一件事奖励函数里的每个数字都在替我们定义什么是对的。希望这个方案能帮你少走这段弯路希望帮到你。本文还有配套的精品资源点击获取