用书：《机器人学导论》约翰J克雷格著 《机器人控制与驱动》

Reference：
B站：投研部杨摸鱼 刘海涛LHT  清祀子衿 德狗追求独立 每一天都应不同

学科重点：

机械工程师研究机器的动态和静态特性
数学理论为描述空间运动和操作机械臂的属性提供方法
控制理论提供设计和算法
电气技术提供了接口设计和传感器
计算机科学提供了算法和人工智能的嵌入可能

机器人学基本可以分为两大板块——力学与控制

目前机器人在位控方面比较好，但在视觉和力控方面仍有很大的提升空间

脉络梳理

我们将这本书的学习路径用模拟导航的例子展示一下：

第二章 —— 位姿的描述与变化 “我在哪？目标在哪？”

一开目的地在哪里？始自己在哪里？需要用一种方式描述位姿。

第三、四章 —— 运动学 研究对象是物体的运动状态 而不涉及力 “关节怎么动，末端才能到那里？”

当你知道要从哪到哪后，你需要知道在每个路口要以什么样的加速度、速度抵达车站，以什么样的加速度、速度赶往学校，但并不关系你是走小路去到车站还是走大路去车站。
运动学建模分为正逆运动学
正运动学就好比你以肩膀为基坐标系，让大臂上抬45°，小臂与大臂保持平行，手腕不动，现在手在空间的什么位置。
逆运动学就好比你以肩膀为基坐标系，现在保持着刚刚的动作，手如果要抵达门把手的位置，计算到门把手时你的手腕、大臂、小臂这些关节应该是什么姿态。

关键挑战：多解性、奇异位形、解析解 vs 数值解。

✅ 目标：建立关节空间与操作空间之间的映射关系。

第五、六章 —— 动力学 研究对象是力 “要施加多大的力才能这样动？”

你知道该怎么动（运动学），但真正控制机器人的是力/力矩（通常是电机输出）。
这就涉及动力学：研究力如何引起运动的变化。

• 动力学模型告诉你：为了实现某个加速度轨迹，每个关节需要输出多大的力矩。
• 需要考虑质量、惯性、摩擦、重力、科里奥利力等物理因素。
• 实际中，这些参数难以精确建模，导致仿真与现实存在差距——这也是机器人“落地难”的核心原因之一。

📌 常用方法：拉格朗日法、牛顿-欧拉法。

✅ 目标：建立“输入力矩”与“输出运动”之间的动态关系，为控制提供依据。

运动学计算加速度、速度、位移需要达到什么程度，但我们能直接控制的变量是力（实际上是电学参数）
因此需要动力学研究实现运动学需要输出什么样的力，而且要考虑瞬时特性、摩擦、机体质量等等，这些现实中的物理性质在仿真计算中是极其难描述的，这也是机器人能从仿真环境走向现实最重要也是最难办的一点。

第七章 轨迹生成——这一步才决定走大路还是走小路

现在你知道怎么动、需要多大力，但还没决定具体路线：

• 是走大路还是小路？是直线插值还是样条曲线？
• 轨迹生成就是在起点与终点之间设计一条时间参数化的路径，保证位置、速度、加速度连续且平滑。
• 常用方法：线性插值、多项式插值、样条曲线等。

💡 举例：让机械臂从A点移动到B点，不能突兀启停，否则会震动甚至损坏设备。

✅ 目标：生成安全、平滑、可执行的时间-空间轨迹。

我们希望这条路平滑且没有突然的加速减速，这就需要插值函数，使轨迹和速度曲线不那么“突兀”
按理来讲，现在就可以出发了，但难免你还是可能走错路。
因此需要一些传感器了解自己的运动状态以及外部环境的状况，看看是不是在这个红绿灯右转。

第九、十章 —— 感知与位姿控制 —— “我走偏了吗？怎么纠正？”**【本章已单独分离发布】

即使计划再完美，现实中总有偏差：

• 路上有人挡道、风把你吹偏、鞋子打滑……
• 机器人也会因摩擦、延迟、建模误差而偏离预期轨迹。

偏离路径后导航会告诉我们如何返回原路，这一步就需要控制器去矫正，他可以补偿由于系统参数引起的误差并抑制系统偏离原路。
这就需要位控系统和传感器互相配合了。

• 传感器（如编码器、IMU、视觉）实时监测当前状态；
• 控制器（如PID、前馈+反馈）比较实际与期望轨迹，产生纠偏指令。

由此我们就可以完成机器人的运动规划了。
补偿也分为反馈补偿和预反馈补偿

• 反馈控制（Feedback Control）：根据误差实时调整；
• 前馈控制（Feedforward Control）：预判系统动态，提前补偿。

第十一章 —— 力控制 “到了之后，怎么开门、按按钮？”**

到达指定位置后，还需要与对象进行一些力交互，比如抓取、转动、按压等，这就需要力控制。
力控制和位置控制是互补的，在运动过程，一般不与物体接触，因此主要关注位控，但在接触表面后，位控此时可能不够精准或无法观测，则需要力控制。更多时候是混合控制（Compliance）。

• 力控制（Force Control）：主动调节接触力；
• 阻抗控制 / 顺应控制（Impedance/Compliance Control）：让机器人“柔软”地响应环境；
• 混合力/位控制（Hybrid Force/Position Control）：在不同方向上分别控制力或位置。

第十二章 —— 编程  “能不能边走路边改计划？”

后面其实不是特别重要

如何描述机器人的空间运动，采用质点等效法，选取机械臂上的一个特殊点作为操作点，或者称为质点，它用于代表机械臂的空间位置，也叫工具中心点（TCP）。用户可以通过这个质点相对于基坐标系的期望位置描述运动。
用户指定一系列路近点，要求质点依次经过，轨迹生成算法就会自动规划出各点间的速度曲线、运动时间等参数。

离线编程，有时候希望对机器人编程，但并不希望停下来，于是有了离线编程，保证在工作的时候，也能对其进行编程。

机器人系统

上面我们介绍了这本书的脉络，也是设计驱动一台固定基机器人的途径。机器人要完成任务就必须具备以下四个系统——
比如在位姿的获取、位控制的反馈，我们就需要传感系统；在动力学和控制部分，就需要驱动系统、执行系统和控制系统，人也一样，控制系统就是我们的大脑，控制肌肉驱动手脚，传感系统就是我们的五官和皮肤，感知自身和外界环境，肌肉为驱动，肢体为执行机构，共同构成了人体的运动系统。

右图就是机器人运行的过程，也是我们要实现的。

机器人本体

固定机构与材料

暂不涉及，在RM课程会介绍。

关节

线性关节和旋转关节

线性关节控制简单，但灵活度不够。

旋转提供了更高的灵活性，但也使得分析变得更复杂。

驱动器：电驱、油压驱动、气压驱动

各具优势，电驱是目前采用最广泛适用的方式，早期油压也是动力不足的原因，现在电机的力矩已经可以做到很大了，而且可以通过减速器进一步加大；
油压驱动往往应用在高力矩需要，低精度需要的场景，大力出奇迹；
气压驱动一般应用于具有气体性质的低精度驱动中，而且气压驱动简单省钱，比如末端执行器就会采用气压夹爪。

驱动方式：Direct Drive Gear/Belt Transmission

精密机械对力要求不大可以使用直接驱动，但对力要求很大的，一般电机都很重，而如果将电机放在每个驱动关节上就会使得负载过重，浪费很大的能量，因此一般对力需求大的机器人，我们将电机放在基座上，通过齿轮或皮带进行传动。

内部传感器

这些硬件我们只简单过一遍，详细介绍会稍后放出。

编码器Encoder：确定位置

工程学一个很重要的问题就是Tradeoff有得有失，当我们谈及一件机器或算法时一定要看到其负面信息。

我也不知道为什么我当时写了这些：

获取别人的项目 $ git clone url
初始化自建项目 $ git init
装载整个文件夹 $ git add .
装载单个文件 $ git add main.py
提交本次更新 $ git commit -m "我就是做做测试"（备注）
查看更新日志 $ git log
恢复某个文件$ git checkout HEAD 第三题.png