机器人逆运动学求解的可视化算法
2006年7月
July 2006
计 算 机 工 程 Computer Engineering 第 第14期Vol 32卷
.32 № 14 ·多媒体技术及应用·
文章编号：1000—3428(2006)14—0193—03
文献标识码：A
中图分类号：TP249
机器人逆运动学求解的可视化算法
周芳芳，樊晓平，赵 颖
(中南大学信息科学与工程学院自动化工程研究中心，长沙 410075)
摘 要：机器人逆运动学求解的可视化算法包含两部分，数值求解两个(或一个)非线性方程和4(或5)自由度机器人封闭解，实现了任意结构的6自由度机器人的逆运动学方程的求解，根据D-H 参数表生成机器人三维模型实现机器人结构的可视化，有效地判断逆解的合理性，并为机器人学习提供了辅助工具。
关键词：机器人；逆运动学；可视化；数值计算
Visual Algorithm of Robot Inverse Kinematics
ZHOU Fangfang, FAN Xiaoping, ZHAO Ying
(Research Center for Automation Engineering, College of Information Science and Engineering, Central South University, Changsha 410075)
【Abstract 】This paper introduces the robotic inverse kinematics visual algorithm which includes two parts. Firstly two (or one) non-linear equations are numerically computed, and then the remaining four (or five) joint values are determined in closed form once two (or one) joint values are known. And the visualization of the robot models produced by D-H parameters is used to determine the solutions effectively. 【Key words 】Robot manipulator; Inverse kinematics; Visualization; Numerical computer
机器人的可视化技术的研究可以帮助学习和研究机器人，减少分析和学习的时间，深入理解机器人的基本概念和研究的难点。机器人逆运动学求解的可视化算法通过数值计算快速求解任意结构的6自由度机器人的逆解，并将求解的结果可视化，有效地判断逆解的合理性，同时为机器人运动学的学习提供了辅助工具。
Pieper 最早提出含有3个相邻关节轴互相垂直(或平行)的6自由度机器人可以求逆运动学封闭解[1]，求解的过程被简化为计算四元多项式方程。为了机器人的学习和研究需要求解一般结构的6自由度机器人的逆运动学方程，目前多采用数值计算的方法通过计算逆Jacobin 矩阵求解任意结构的6自由度机器人的运动学方程[3,4]。但该方法需要数值求解6个非线性方程，不仅计算量大，而且会产生不符合实际物理约束的多余解。
本论文介绍的求解方法建立在4、5自由度机器人的运动学求解的基础之上[5]，将6自由度机器人逆运动学方程求解的过程简化为计算两个非线性方程。并且利用D-H 参数表产生机器人模型，利用解的可视化来判断解的有效性，排除不合理的逆解。
1运动学的定义
机器人运动学方程定义为
123456A A A A A A P = (1) 矩阵A i 定义为
00
1i i i i i i i i
i i
i i i i i i
i
i C S C a S S C S a C A d γσσγσγ????????=??????
其中C i ＝cos θi ，S i ＝sin θi ，σi ＝sin αi ，γi ＝cos αi 。已知方程(1)中的角度θ，求解目标点的位姿P 为正运动学求解。
末端执行器的位姿矩阵可表示为
00010
1x x x x y
y y y z z z z n b t p n b t p n b t p P n b t p ????????==
??????
????
其中n ，b ，t ，p 是3×1向量。已知末端执行器的位姿P 求解关节变量角θ为逆运动学求解。
2 机器人逆运动学求解
本文求解的是任意结构的6自由度机器人的逆运动学方程。求解的方法有以下3个特点：
(1)该方法建立在4、5自由度机器人的运动学求解的基础之上[5]，可以更好地理解6自由度机器人的结构和计算；
(2)把6自由度机器人逆运动学方程求解的过程简化为数值计算两个非线性方程；
(3)利用末端执行器的非完整性约束可进一步简化求解过程。
求解思路：考虑6自由度机器人杆件结构，对不同的结构采用不同的求解方法。通过分析主要有3种情况，如图1。
(1)对无垂直或无平行关节轴的6自由度机器人，首先化简为4自由度机器人，然后二维迭代求解2个关节变量，最后封闭求解其余4个变量；
(2)对包含一对垂直或平行的关节轴的机器人，则化简为5自由度机器人，一维迭代求解1个关节变量，封闭求解另外5个变量；
(3)对于包含3个相邻或3个以上的垂直或平行的关节轴机器人，可以直接求解6个关节变量。
基金项目：国家自然科学基金资助项目(69975003)
作者简介：周芳芳(1980—)，女，博士，主研方向：虚拟现实技术，计算机网络，机器人仿真；樊晓平，博士、教授、博导；赵 颖，硕士
收稿日期：2005-07-27 E-mail ：zff@https://www.360docs.net/doc/a317795378.html,
—193—
图1任意结构机器人的求解方法
2.1 化简到5自由度机器人
对于无垂直(或无平行)和一对垂直(或平行)关节轴的6自由度机器人的计算，首先通过矩阵变换将运动学方程转化成5自由度机器人运动学方程，方程(1)变换为
2345611A A A A A Q Q A P
?=??=? (2)
或
1234516
A A A A A Q
Q PA ?=??=?
(4)
当矩阵Q 已知时，方程(2)和(4)表示5自由度机器人的运动学方程。对包含一对垂直(或平行)关节轴的机器人，方程(2)和(4)可作为一维迭代求解逆运动学方程的基础。
2.2 化简到4自由度机器人
对于无垂直(或无平行)关节轴的6自由度机器人的计算需要将运动学方程进一步化简到4自由度运动学方程。 方程(1)简化到4自由度机器人的方法有3种：
第1种为
34561121A A A A Q Q A A P
??=??=? (6)
第2种为
23451116
A A A A Q
Q A PA ??=??=? (8)
第3种为
12341165
A A A A Q
Q PA A ??=??=? (10)
如果已知矩阵Q ，方程(6)、(8)、(10)可作为4自由度机
器人逆运动学方程。
Manseur 提出了任意4自由度结构的机器人运动学方程的求解方法[5]，利用该方法可以根据已知的Q 矩阵求解方程(6)、(8)、(10)获得逆运动学的封闭解。 2.3 二维迭代求解法
对于无垂直(或无平行)关节轴的6自由度机器人逆运动方程的求解问题简化为先求解2个关节变量，然后封闭的求出另外4个解的问题。理论上，方程(6)、(8)、(10)都可以二维迭代求解两个关节变量，下面以方程(6)为例进行说明。
采用数值计算的方法来求解两个非线性方程的θ1和θ2。 ()()1212,0,0f g θθθθ=???=?? (12) 可以采用二维的Newton-Rhphson 算法来求解非线性方程组(12)。为了使求出的θ1和θ2满足方程(1)的要求，必须选择合适的方程f 和g 。文献[5]提出了末端执行器的期望位姿和实际位姿的关系，用一个6×1的向量表示：
123456()()()()/2()/2()/L L L L L L c L L L L L L x n p p x b p p x t p p x x t b t b x n t n t x b n b n ??????????
??????
??????==????????????????????
???????????2?
? (13) 其中向量n ，b ，t ，p 表示的是末端执行器P 期望的位姿，向量n L ，b L ，t L ，p L 则是由方程(1)的左边计算出的实际位姿。受末端执行器位姿完全约束的两个运动学方程可以表示为
()()222
1212322212456
,,f x x x g x x x θθθθ?=++??=++?? (14)
Doty 提出了方程f 和g 的另一种选择方法。
f 和
g 根据旋转距离来定义，其中g 是一般的欧式距离：
()()1212,(,),L L f d R R g P P
θθθθ?=??=??? (15) 方程(14)、(15)是二维运动学方程的2个例子。如果末端执行器不是完全约束的，运动学方程还可以进一步简化。 2.4 二维Newton-Rhphson 方法
只要可以求解方程f(θ1，θ2)和g(θ1，θ2)，那么它们对θ1，θ2的偏微分方程f 1，f 2 和g 1 ，g 2的近似值可表示为
()()()112121121
1
,,,f f f f θθθθθθθθθ+??????
?==?? (3)
()()()12212,,,f f f f θθθθθθθ+???????=
=21222θθ??
(16)
(5)
和
()()()1121211211
,,,g g g g θθθθθθθθθ+???????=
=??
()()()1221221222
,,g g g g θθθθθθθθθ+??,?????=
=?? (17)
其中△θ1，△θ2是θ1，θ2的微小增量。利用Newton-Rhphson 算
法求解任意结构的6自由度机器人的逆运动学方程的步骤如下：
(1)根据估计值θ1，θ2计算方程(7)中的Q 矩阵；
(7)
(2)求解方程(6)的4自由度机器人的4个关节变量θ3，θ4，θ5，θ6。 (3)计算方程f(θ1，θ2)和g(θ1，θ2) 。
(4)计算方程f 和g 的偏微分方程(16)和(17)。
(9)
(5)根据Newton-Rhphson 方法获得一组新的估计值θ1，θ2，即 1
111
21221
21(,)(,)new f f f g g g 22θθθθθθθ?θ???????=??????????????????
(11)
(6)循环步骤(1)～(5)，直到满足精度范围。
由上面的算法可以计算出θ1，θ2，然后根据方程(6)可以封闭地求解出另外4个关节变量。由于求解时不考虑杆件的结构关系，会出现多解的情况。
2.5 一维迭代求解法
如方程(2)、(4)所示，当第1个关节变量θ1或者最后1个
关节变量θ6为已知时，
6自由度机器人的逆运动学求解问题可简化为5自由度机器人的逆运动求解。因此，可采用一维迭代方法求解θ1或θ6，然后封闭求出其余5个变量。
文献[5]研究了5自由度机器人的运动学求解问题，并提出5自由度机器人的封闭解的充分条件是机器人结构中包含一对互相垂直或互相平行的关节轴，求解简化为计算一个四元多项式。如果5自由度机器人包含特殊4旋转轴结构可以以更加简单的形式进行求解。
3 机器人逆运动可视化系统的实现
机器人的运动学分析一般不考虑机器人关节的形状、尺寸等物理约束，当末端执行器位姿确定时，各关节可以有多种位姿。在求出的多解中，如何有效地判断解的合理性，这是本文需要解决的另外一个问题。采用机器人可视化来直观地判断解的有效性。
3.1 三维机器人的生成算法
根据D-H 参数的一般定义来生成机器人模型。首先需要
—194
—
构造机器人的机座，接着生成旋转关节或移动关节，然后以活动关节为起始点，继续生成机械臂，手臂的长度由参数d、a决定，关节间的角度由参数α和θ决定。为了将这个问题阐述清楚，下面举例说明。假设关节B由前一个相邻关节A 通过4个D-H参数d、a、α和θ确定。如图2所示，关节B 的位姿可以通过以下步骤确定：
a
a
z B y B
y A x B
x A
B A
d z
A
θ
图2 D-H参数表生成机器人
DH算法：
(1)确定机器人的自由度n；
(2)沿着Z A轴移动距离d。d是代数变量可正可负；
(3)X A轴绕Z A轴旋转θ角度，得到X B轴；
(4)沿X B方向移动距离a，此时坐标原点到达关节B的中心。X B轴的方向完全确定；
(5)Z A轴绕X B轴旋转α角度，确定Z轴的方向。
(6)重复步骤2~5直至生成n自由度的机器人模型。
需要注意以下几种特殊情况：如果Z i-1和Z i的中垂线与Z i-1轴相交于关节F i-1坐标原点，则di=0；如果Z i-1和Z i互相平行，则αi=0；机器人的第1个关节F0位于Z0和Z1中垂线上，可设置参数d1为零；末端执行器F n(n为机器人的自由度)是唯一可以不与关节中心轴相连的杆件。如果关节n是旋转关节，那么参数d n、a n、αn为0；而如果关节n是移动关，那么a n、αn、θn为0。
3.2 模型库
模型库提供了生成三维机器人模型的基本部件，如移动关节、旋转关节。在生成机器人模型时，系统根据D-H参数调用模型库的模型，在视图窗口中绘制机器人模型。模型库中的模型采用的是简单的三维模型，如立方体、圆柱体。虽然是简单的模型，但是它们却代表了一定的含义，简便地实现了机器人的可视化，如图3所示。
图3 模型库
圆柱代表旋转关节，顶部的小圆盘代表Z轴正方向；立
方体代表移动关节，顶部的方片代表Z轴正方向；D-H参数
中的a用浅色的细圆柱体表示，a的大小为圆柱的长度；D-H
参数中的d用深色的细圆柱体表示，d的大小为圆柱的长度。
3.3 逆运动学的可视化
下面以机器人例1来说明通过可视化逆解来判断解的
有效性。首先根据表1的DH参数计算运动学方程，求出8
组关节角，如表2所示。仿真系统根据D-H参数和8组关节
角调用模型库生成8组机器人模型如图４所示。显而易见，
模型2，3，6的关节交叉不符合实际情况，应该排除。
表1 机器人例1的D-H参数
关节 a d αoθo
10.30 90 Var
210 0 Var
300.2 90 Var
4 1.50 0 Var
500 90 Var
600 0 Var
表2 机器人例1的逆解
关节Θ1Θ2Θ3Θ4Θ5Θ6
1 0 107.5
112.5
-7.7 0 0
2 88.7 176.7
-178.4
-63.3
157.8 140
3 113.9 4.5 -179.1 -56 -63.7 -42.5
4 168.7 -104.2146.6 -16.4 -170.998.2
5 180 107.5
147.4 -7.7
-164.7180
6 -120.8173.1 178.5 31.3 -146.1142.6
7 -96.3 -5.8 -179.1 38.5 51.9 -39.6
8 -11.8 -105.565.5 178.8 173.6 100.6
1
4
2
3
5
6
7
8
图４机器人例2的可视化模型
4 总结
本文提出了一种简单快速的求解6自由度机器人逆运动
学方程的算法，并根据D-H参数表生成机器人模型可视化求
出的逆解有效地判断解的合理性。该算法不仅简化了多自由
度逆运动学方程的求解过程，并可以直观地通过可视化模型
排除错误解，为机器人的学习和研究提供了有效的帮助。
参考文献
1 Pieper D L. The Kinematics of Manipulators Under Computer
Control[D]. Stanford University, 1969.
2 Craig J J. Introduction to Robotics——Mechanics and Control(2nd
Edition)[M]. Eddison-Wesley, 1989.
3 Goldenberg A, Lawrence D L. A Generalized Solution to the Inverse
Kinematics of Robotic Manipulators[J]. J. Dyn. Stat. Meas. Control,
1985, 107(3): 103-106.
4 Grudic Z, Lawrence P D. Iterative Inverse Kinematics with
Manipulator Configuration Control[J]. IEEE Trans. on Robotics and
Automation, 1994, 9(4): 476-483.
5 Manseur R, Doty K L. Fast Inverse Kinematics of Five-revolute-axis
Robot Manipulators[J]. Mechanism and Machine Theory, 1992, 27(5):
587-598.
—195—
用平面二连杆机器人为例贯穿运动学、雅可比、动力学、轨迹规划甚至控制与编程分析
一、平面二连杆机器人手臂运动学 平面二连杆机械手臂如图1所示，连杆1长度1l ，连杆2长度2l 。建立如图1所示的坐标系，其中，),(00y x 为基础坐标系，固定在基座上，),(11y x 、),(22y x 为连体坐标系，分别固结在连杆1和连杆2上并随它们一起运动。关节角顺时针为负逆时针为正。 图1平面双连杆机器人示意图 1、用简单的平面几何关系建立运动学方程 连杆2末段与中线交点处一点P 在基础坐标系中的位置坐标： ) sin(sin )cos(cos 2121121211θθθθθθ++=++=l l y l l x p p （1） 2、用D-H 方法建立运动学方程 假定0z 、1z 、2z 垂直于纸面向里。从),,(000z y x 到),,(111z y x 的齐次旋转变换矩阵为： ?? ??? ???????-=100 010000cos sin 00sin cos 1 111 01θθ θθT （2） 从),,(111z y x 到),,(222z y x 的齐次旋转变换矩阵为： ?? ??? ???????-=100 010000cos sin 0sin cos 2 212212 θθ θθl T （3） 从),,(000z y x 到),,(222z y x 的齐次旋转变换矩阵为：
? ???? ???????+++-+=?? ??? ? ? ?? ???-?????????????-=?=10000100sin 0)cos()sin(cos 0)sin()cos( 1000010 000cos sin 0sin cos 1000 010000cos sin 00sin cos 1121211121212212 2111 1120102θθθθθθθθθθθθθθθθ θθl l l T T T （4） 那么，连杆2末段与中线交点处一点P 在基础坐标系中的位置矢量为： ? ?? ? ? ???????=????????????++++=? ? ? ?? ? ?????????????? ?? ???+++-+=?=110)sin(sin )cos( cos 10010000100sin 0)cos()sin(cos 0)sin()cos( 212112121121121211121212 020p p p z y x l l l l l l l P T P θθθθθθθθθθθθθθθθ （5） 即， ) sin(sin )cos(cos 2121121211θθθθθθ++=++=l l y l l x p p （6） 与用简单的平面几何关系建立运动学方程（1）相同。 建立以上运动学方程后，若已知个连杆的关节角21θθ、，就可以用运动学方程求出机械手臂末端位置坐标，这可以用于运动学仿真。 3、平面二连杆机器人手臂逆运动学 建立以上运动学方程后，若已知个机械臂的末端位置，可以用运动学方程求出机械手臂二连杆的关节角21θθ、，这叫机械臂的逆运动学。逆运动学可以用于对机械臂关节角和末端位置的控制。对于本例中平面二连杆机械臂，其逆运动学方程的建立就是已知末端位置 ),(p p y x 求相应关节角21θθ、的过程。推倒如下。 （1）问题 ) sin(sin )cos(cos 2121121211θθθθθθ++=++=l l y l l x p p 已知末端位置坐标),(p p y x ，求关节角21θθ、。 （2）求1θ
机器人运动学精品教程
第2章机器人位置运动学 2.1 引言 本章将研究机器人正逆运动学。当已知所有的关节变量时，可用正运动学来确定机器人末端手的位姿。如果要使机器人末端手放在特定的点上并且具有特定的姿态，可用逆运动学来计算出每一关节变量的值。首先利用矩阵建立物体、位置、姿态以及运动的表示方法，然后研究直角坐标型、圆柱坐标型以及球坐标型等不同构型机器人的正逆运动学，最后利用Denavit-Hartenberg(D-H表示法来推导机器人所有可能构型的正逆运动学方程。 实际上，机器手型的机器人没有末端执行器，多数情况下，机器人上附有一个抓持器。根据实际应用，用户可为机器人附加不同的末端执行器。显然，末端执行器的大小和长度决定了机器人的末端位置，即如果末端执行器的长短不同，那么机器人的末端位置也不同。在这一章中，假设机器人的末端是一个平板面，如有必要可在其上附加末端执行器，以后便称该平板面为机器人的“手”或“端面”。如有必要，这里还可以将末端执行器的长度加到机器人的末端来确定末端执行器的位姿。 2.2 机器人机构 机器手型的机器人具有多个自由度（DOF），并有三维开环链式机构。 在具有单自由度的系统中，当变量设定为特定值时，机器人机构就完全确定了，所有其他变量也就随之而定。如图2.1所示的四杆机构，当曲柄转角设定为120°时，则连杆与摇杆的角度也就确定了。然而在一个多自由度机构中，必须独立设定所有的输入变量才能知道其余的参数。机器人就是这样的多自由度机构，必须知道每一关节变量才能知道机器人的手处在什么位置。 图2.1 具有单自由度闭环的四杆机构 如果机器人要在空间运动，那么机器人就需要具有三维的结构。虽然也可能有二维多自由度的机器人，但它们并不常见。 机器人是开环机构，它与闭环机构不同（例如四杆机构），即使设定所有的关节变量，也不能确保机器人的手准确地处于给定的位置。这是因为如果关节或连杆有丝毫的偏差，该关节之后的所有关节的位置都会改变且没有反馈。例如，在图2.2所示的四杆机构中，如果连杆AB偏 移，它将影响杆。而在开环系统中（例如机器人），由于没有反馈，之后的所有构件都会发生偏移。于是，在开环系统中，必须不断测量所有关节和连杆的参数，或者监控系统的末
工业机器人的基本参数和性能指标
工业机器人的基本参数和性能指标 表示机器人特性的基本参数和性能指标主要有工作空间、自由度、有效负载、运动精度、运动特性、动态特性等。 (1)工作空间（Work space）工作空间是指机器人臂杆的特定部位在一定条件下所能到达空间的位置集合。工作空间的性状和大小反映了机器人工作能力的大小。理解机器人的工作空间时，要注意以下几点： 1)通常工业机器人说明书中表示的工作空间指的是手腕上机械接口坐标系的原点在空间能达到的范围，也即手腕端部法兰的中心点在空间所能到达的范围，而不是末端执行器端点所能达到的范围。因此，在设计和选用时，要注意安装末端执行器后，机器人实际所能达到的工作空间。 2)机器人说明书上提供的工作空间往往要小于运动学意义上的最大空间。这是因为在可达空间中，手臂位姿不同时有效负载、允许达到的最大速度和最大加速度都不一样，在臂杆最大位置允许的极限值通常要比其他位置的小些。此外，在机器人的最大可达空间边界上可能存在自由度退化的问题，此时的位姿称为奇异位形，而且在奇异位形周围相当大的范围内都会出现自由度进化现象，这部分工作空间在机器人工作时都不能被利用。 3)除了在工作守闻边缘，实际应用中的工业机器人还可能由于受到机械结构的限制，在工作空间的内部也存在着臂端不能达到的区域，这就是常说的空洞或空腔。空腔是指在工作空间内臂端不能达到的完全封闭空间。而空洞是指在沿转轴周围全长上臂端都不能达到的空间。 (2)运动自由度是指机器人操作机在空间运动所需的变量数，用以表示机器人动作灵活程度的参数，一般是以沿轴线移动和绕轴线转动的独立运动的数目来表示。 自由物体在空间自六个自由度（三个转动自由度和三个移动自由度）。工业机器人往往是个开式连杆系，每个关节运动副只有一个自由度，因此通常机器人的自由度数目就等于其关节数。机器人的自由度数目越多，功能就越强。日前工业机器人通常具有4—6个自由度。当机器人的关节数（自由度）增加到对末端执行器的定向和定位不再起作用时，便出现了冗余自由度。冗余度的出现增加了机器人工作的灵活型，但也使控制变得更加复杂。 工业机器人在运动方式上，总可以分为直线运动（简记为P）和旋转运动（简记为R）两种，应用简记符号P和R可以表示操作机运动自由度的特点，如RPRR表示机器人操作机具有四个自由度，从基座开始到臂端，关节运动的方式依次为旋转-直线-旋转-旋转。此外，工业机器人的运动自由度还有运动范围的限制。 (3)有效负载(Payload)有效负载是指机器人操作机在工作时臂端可能搬运的物体重量或所能承受的力或力矩，用以表示操作机的负荷能力。 机器人在不同位姿时，允许的最大可搬运质量是不同的，因此机器人的额定可搬运质量是指其臂杆在工作空间中任意位姿时腕关节端部都能搬运的最大质量。
机器人运动算法
1、简介 机器人的应用越来越广泛,几乎渗透到所有领域。移动机器人是机器人学中的一个重要分支。早在60年代,就已经开始了关于移动机器人的研究。关于移动机器人的研究涉及许多方面,首先,要考虑移动方式,可以是轮式的、履带式、腿式的,对于水下机器人,则是推进器。其次,必须考虑驱动器的控制,以使机器人达到期望的行为。第三,必须考虑导航或路径规划,对于后者,有更多的方面要考虑,如传感融合,特征提取,避碰及环境映射。因此,移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。 腿式机器人的腿部具有多个自由度,使运动的灵活性大大增强.它可以通过调节腿的长度保持身体水平,也可以通过调节腿的伸展程度调整重心的位置,因此不易翻倒,稳定性更高. 腿式机器人也存在一些不足之处.比如,为使腿部协调而稳定运动,从机械结构设计到控制系统算法都比较复杂;相比自然界的节肢动物,仿生腿式机器人的机动性还有很大差距. 腿的数目影响机器人的稳定性、能量效率、冗余度、关节控制的质量以及机器人可能产生的步态种类. 2、研究方法 保持稳定是机器人完成既定任务和目标的基本要求.腿式机器人稳定性的概念: 支持多边形(supportpolygon) 支持多边形的概念由Hildebrand首先提出,用它可以方便地描述一个步态循环周期中各个步态的情况.支持多边形指连接机器人腿部触地各点所形成的多边形在水平方向的投影.如果机器人的重心落在支持多边形内部,则认为机器人稳定. 算人物脚步放置位置及达到目标位置的走法是行走技术的重要环节。 2.1 控制算法 （1)姿态控制算法 这种算法的基本思想是:已知机器人的腿对身体共同作用产生的力和力矩向量,求每条腿上的力.用数学语言表达如下(假设机器人有四条腿): 其中和z已知,要求，解出这几个力，通过控制每条腿上的力向量,就可以使机器人达到预定的姿态,实现了机器人姿态的可控性,以适应不同地形. （2）运动控制算法 这个暂时不知道 (3)步态规划算法 这种算法的基本思想是:已知机器人的腿部末端在坐标系中的位置,求腿部各个关节的关节角.当关节角确定后,就可以构造机器人的步态模式.可用算法有ZMP算法、离线规划算法。 步态规划就是基于当前系统状态设计一种算法，得到期望的控制序列。步态规划在控制
仿人机器人运动学和动力学分析
国防科学技术大学 硕士学位论文 仿人机器人运动学和动力学分析 姓名：王建文 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：马宏绪 20031101
能力；目前，ＡＳＩＭＯ代表着仿人机器人研究的最高水平，见图卜２。２０００年，索尼公司也推出了自己研制的仿人机器人ＳＤＲ一３Ｘ，２００２年又研制出了ＳＤＲ一４Ｘ，见图卜３。日本东京大学也一直在进行仿人机器人的研究，与Ｋａｗａｄａ工学院合作相继研制成功了Ｈ５、Ｈ６和Ｈ７仿人机器人，其中Ｈ６机器人高１．３７米，体重５５公斤，具有３５个自由度，目前正在开发名为Ｉｓａｍｕ的新一代仿人机器人，其身高１．５米，体重５５公斤，具有３２个自由度。日本科学技术振兴机构也在从事ＰＩＮＯ机器人的研究，ＰＩＮＯ高０．７５米，采用２９个电机驱动，见图卜４。日本Ｗａｓｅｄａ大学一直在从事仿人机器人研究计划，研制的ｗＬ系列仿人机器人和ＷＥＮＤＹ机器人在机器人界有很大的影响，至今已投入１００多万美元，仍在研究之中。Ｔｏｈｏｋｕ大学研制的Ｓａｉｋａ３机器人高１．２７米，重４７公斤，具有３０个自由度。美国的ＭＩＴ和剑桥马萨诸塞技术学院等单位也一直在从事仿人机器人研究。德国、英国和韩国等也有很多单位在进行类似的研究。 图卜１Ｐ２机器人图卜２ＡＳＩＭＯ机器人图１．３ＳＤＲ－４Ｘ机器人图１－４ＰＩＮＯ机器人 图卜５第一代机器人图ｌ－６第二代机器人图１．７第三代机器人图１—８第四代机器人 在国家“８６３”高技术计划和自然科学基金的资助下，国内也开展了仿人机器人的研究工作。目前，国内主要有国防科技大学、哈尔滨工业大学和北京理工大学等单位从事仿人机器人的研究。国防科技大学机器人实验室研制机器人已有１０余年的历史，该实验室在这期间分四阶段推出了四代机器人，其中，２０００年底推出的仿人机器入一“先行者”一是国内第一台仿人机器人。２００３年６月，又成功研制了一台具有新型机械结构和运动特性的仿人机器人，这台机器人身高１．５５米，体重６３．５公斤，共有３６个自由度，脚踝有力 第２页
机器人逆运动学求解的可视化算法
2006年7月 July 2006 计 算 机 工 程 Computer Engineering 第 第14期Vol 32卷 .32 № 14 ·多媒体技术及应用· 文章编号：1000—3428(2006)14—0193—03 文献标识码：A 中图分类号：TP249 机器人逆运动学求解的可视化算法 周芳芳，樊晓平，赵 颖 (中南大学信息科学与工程学院自动化工程研究中心，长沙 410075) 摘 要：机器人逆运动学求解的可视化算法包含两部分，数值求解两个(或一个)非线性方程和4(或5)自由度机器人封闭解，实现了任意结构的6自由度机器人的逆运动学方程的求解，根据D-H 参数表生成机器人三维模型实现机器人结构的可视化，有效地判断逆解的合理性，并为机器人学习提供了辅助工具。 关键词：机器人；逆运动学；可视化；数值计算 Visual Algorithm of Robot Inverse Kinematics ZHOU Fangfang, FAN Xiaoping, ZHAO Ying (Research Center for Automation Engineering, College of Information Science and Engineering, Central South University, Changsha 410075) 【Abstract 】This paper introduces the robotic inverse kinematics visual algorithm which includes two parts. Firstly two (or one) non-linear equations are numerically computed, and then the remaining four (or five) joint values are determined in closed form once two (or one) joint values are known. And the visualization of the robot models produced by D-H parameters is used to determine the solutions effectively. 【Key words 】Robot manipulator; Inverse kinematics; Visualization; Numerical computer 机器人的可视化技术的研究可以帮助学习和研究机器人，减少分析和学习的时间，深入理解机器人的基本概念和研究的难点。机器人逆运动学求解的可视化算法通过数值计算快速求解任意结构的6自由度机器人的逆解，并将求解的结果可视化，有效地判断逆解的合理性，同时为机器人运动学的学习提供了辅助工具。 Pieper 最早提出含有3个相邻关节轴互相垂直(或平行)的6自由度机器人可以求逆运动学封闭解[1]，求解的过程被简化为计算四元多项式方程。为了机器人的学习和研究需要求解一般结构的6自由度机器人的逆运动学方程，目前多采用数值计算的方法通过计算逆Jacobin 矩阵求解任意结构的6自由度机器人的运动学方程[3,4]。但该方法需要数值求解6个非线性方程，不仅计算量大，而且会产生不符合实际物理约束的多余解。 本论文介绍的求解方法建立在4、5自由度机器人的运动学求解的基础之上[5]，将6自由度机器人逆运动学方程求解的过程简化为计算两个非线性方程。并且利用D-H 参数表产生机器人模型，利用解的可视化来判断解的有效性，排除不合理的逆解。 1运动学的定义 机器人运动学方程定义为 123456A A A A A A P = (1) 矩阵A i 定义为 00 1i i i i i i i i i i i i i i i i i i C S C a S S C S a C A d γσσγσγ????????=?????? 其中C i ＝cos θi ，S i ＝sin θi ，σi ＝sin αi ，γi ＝cos αi 。已知方程(1)中的角度θ，求解目标点的位姿P 为正运动学求解。 末端执行器的位姿矩阵可表示为 00010 1x x x x y y y y z z z z n b t p n b t p n b t p P n b t p ????????== ?????? ???? 其中n ，b ，t ，p 是3×1向量。已知末端执行器的位姿P 求解关节变量角θ为逆运动学求解。 2 机器人逆运动学求解 本文求解的是任意结构的6自由度机器人的逆运动学方程。求解的方法有以下3个特点： (1)该方法建立在4、5自由度机器人的运动学求解的基础之上[5]，可以更好地理解6自由度机器人的结构和计算； (2)把6自由度机器人逆运动学方程求解的过程简化为数值计算两个非线性方程； (3)利用末端执行器的非完整性约束可进一步简化求解过程。 求解思路：考虑6自由度机器人杆件结构，对不同的结构采用不同的求解方法。通过分析主要有3种情况，如图1。 (1)对无垂直或无平行关节轴的6自由度机器人，首先化简为4自由度机器人，然后二维迭代求解2个关节变量，最后封闭求解其余4个变量； (2)对包含一对垂直或平行的关节轴的机器人，则化简为5自由度机器人，一维迭代求解1个关节变量，封闭求解另外5个变量； (3)对于包含3个相邻或3个以上的垂直或平行的关节轴机器人，可以直接求解6个关节变量。 基金项目：国家自然科学基金资助项目(69975003) 作者简介：周芳芳(1980—)，女，博士，主研方向：虚拟现实技术，计算机网络，机器人仿真；樊晓平，博士、教授、博导；赵 颖，硕士 收稿日期：2005-07-27 E-mail ：zff@https://www.360docs.net/doc/a317795378.html, —193—
机器人机械臂运动学分析(仅供借鉴)
平面二自由度机械臂动力学分析 [摘要] 机器臂是一个非线性的复杂动力学系统。动力学问题的求解比较困难，而且需要较长的运算时间，因此，这里主要对平面二自由度机械臂进行动力学研究。本文采用拉格朗日方程在多刚体系统动力学的应用方法分析平面二自由度机械臂的正向动力学。经过研究得出平面二自由度机械臂的动力学方程，为后续更深入研究做铺垫。 [关键字] 平面二自由度 一、介绍 机器人是一个非线性的复杂动力学系统。动力学问题的求解比较困难，而且需要较长的运算时间，因此，简化解的过程，最大限度地减少工业机器人动力学在线计算的时间是一个受到关注的研究课题。 机器人动力学问题有两类： (1) 给出已知的轨迹点上的，即机器人关节位置、速度和加速度，求相应的关节力矩向量Q r。这对实现机器人动态控制是相当有用的。 (2) 已知关节驱动力矩，求机器人系统相应的各瞬时的运动。也就是说，给出关节力矩向量τ，求机器人所产生的运动。这对模拟机器人的运动是非常有用的。 二、二自由度机器臂动力学方程的推导过程 机器人是结构复杂的连杆系统，一般采用齐次变换的方法，用拉格朗日方程建立其系统动力学方程，对其位姿和运动状态进行描述。机器人动力学方程的具体推导过程如下： (1) 选取坐标系，选定完全而且独立的广义关节变量θr ，r=1, 2,…, n。 (2) 选定相应关节上的广义力F r：当θr是位移变量时，F r为力；当θr是角度变量时， F r为力矩。 (3) 求出机器人各构件的动能和势能，构造拉格朗日函数。 (4) 代入拉格朗日方程求得机器人系统的动力学方程。 下面以图1所示说明机器人二自由度机械臂动力学方程的推导过程。
SCARA机器人的运动学分析
电子科技大学 实验报告 学生姓名： 一、实验室名称：机电一体化实验室 二、实验项目名称：实验三SCARA 学号： 机器人的运动学分析 三、实验原理： 机器人正运动学所研究的内容是：给定机器人各关节的角度，计算机器人末端执行器相对于参考坐标系的位置和姿态问题。 各连杆变换矩阵相乘，可得到机器人末端执行器的位姿方程（正运动学方程） 为： n x o x a x p x 0T40T1 11T2 22T3 d3 n y o y a y p y （ 1-5）3T4 4= o z a z p z n z 0001 式 1-5 表示了 SCARA 手臂变换矩阵0 T4，它描述了末端连杆坐标系{4} 相对基坐标系 {0} 的位姿，是机械手运动分析和综合的基础。 式中： n x c1c2c4s1 s2 c4 c1 s2s4s1 c2 s4，n y s1c2 c4c1 s2 c4s1 s2 s4c1c2 s4 n z0 ， o x c1c2 s4s1 s2 s4 c1 s2 c4s1c2c4 o y s1c2 s4c1 s2 s4s1 s2 c4c1c2c4 o z0 ， a x0 ， a y0 ， a z1 p x c1 c2 l2s1s2l 2c1l 1， p y s1c2 l 2 c1 s2 l 2 s1l1， p z d3 机器人逆运动学研究的内容是：已知机器人末端的位置和姿态，求机器人对应于这个位置和姿态的全部关节角，以驱动关节上的电机，从而使手部的位姿符合要求。与机器人正运动学分析不同，逆问题的解是复杂的，而且具有多解性。
1）求关节 1： 1 A arctg 1 A 2 l 12 l 22 p x 2 p y 2 arctg p x 式中：A p x 2 ； p y 2l 1 p y 2 2）求关节 2： 2 r cos( 1 ) arctg ) l 1 r sin( 1 式中 ： r p x 2 p y 2 ；arctg p x p y 3). 求 关节变 量 d 3 令左右矩阵中的第三行第四个元素（3.4）相等，可得： d 3 p z 4). 求 关节变 量 θ 4 令左右矩阵中的第二行第一个元素（1.1,2.1 ）相等，即： sin 1 n x cos 1n y sin 2 cos 4 cos 2 sin 4 由上式可求得： 4 arctg ( sin 1 n x cos 1 n y )2 cos 1 n x sin 1 n y 四、实验目的： 1. 理解 SCARA 机器人运动学的 D-H 坐标系的建立方法； 2. 掌握 SCARA 机器人的运动学方程的建立； 3. 会运用方程求解运动学的正解和反解； （ 1-8） （ 1-9） （ 1-10 ）
六轴运动机器人运动学求解分析
六轴联动机械臂运动学及动力学求解分析 V0.9版 随着版本的不断更新，旧版本文档中的一些笔误得到了修正，同时文档内容更丰富，仿真程序更完善。 作者朱森光 Email zsgsoft@https://www.360docs.net/doc/a317795378.html, 完成时间 2016-02-28
1引言 笔者研究六轴联动机械臂源于当前的机器人产业热，平时比较关注当前热门产业的发展方向。笔者从事的工作是软件开发，工作内容跟机器人无关，但不妨碍研究机器人运动学及动力学，因为机器人运动学及动力学用到的纯粹是数学和计算机编程知识，学过线性代数和计算机编程技术的人都能研究它。利用业余时间翻阅了机器人运动学相关资料后撰写此文，希望能够起到抛砖引玉的作用引发更多的人发表有关机器人技术的原创性技术文章。本文内容的正确性经过笔者编程仿真验证可以信赖。 2机器建模 既然要研究机器人，那么首先要建立一个机械模型，本文将以典型的六轴联动机器臂为例进行介绍，图2-1为笔者使用3D技术建立的一个简单模型。首先建立一个大地坐标系，一般教科书上都是以大地为XY平面，垂直于大地向上方向为Z轴，本文为了跟教科书上有所区别同时不失一般性，将以水平向右方向为X轴，垂直于大地向上方向为Y轴，背离机器人面向人眼的方向为Z轴，移到电脑屏幕上那就是屏幕水平向右方向为X轴，屏幕竖直向上方向为Y轴，垂直于屏幕向外为Z轴，之所以建立这样不合常规的坐标系是希望能够突破常规的思维定势训练在任意空间建立任意坐标系的能力。 图2-1 图2-1中的机械臂，底部灰色立方体示意机械臂底座，定义为关节1，它能绕图中Y轴旋转；青色长方体示意关节2，它能绕图中的Z1轴旋转；蓝色长方体示意关节3，它能绕图中的Z2轴旋转；绿色长方体示意关节4，它能绕图中的X3轴旋转；深灰色长方体示意关节5，它能绕图中的Z4轴旋转；末端浅灰色机构示意关节6即最终要控制的机械手，机器人代替人的工作就是通过这只手完成的，它能绕图中的X5轴旋转。这儿采用关节这个词可能有点不够精确，先这么意会着理解吧。 3运动学分析 3.1齐次变换矩阵 齐次变换矩阵是机器人技术里最重要的数学分析工具之一，关于齐次变换矩阵的原理很多教科书中已经描述在此不再详述，这里仅针对图2-1的机械臂写出齐次变换矩阵的生成过程。首先定义一些变量符号，关节1绕图中Y轴旋转的角度定义为θ0，当θ0=0时，O1点在OXYZ坐标系内的坐标是(x0,y0,0)；关节2绕图中的Z1轴旋转的角度定义为θ1，图中的θ1当前位置值为+90度；定义O1O2两点距离为x1,关节3绕图中的Z2轴旋转的角度定义为θ2，图中的θ2当前位置值为-90度；O2O3两点距离为x2，关节4绕图中的X3轴旋转的角度定义为θ3, 图中的θ3当前位置值为0度；O3O4两点距离为x3，关节5绕图中的Z4轴旋转的角度定义为θ4, 图中的θ4当前位置值为-60度；O4O5两点距离为x4，关节6绕图中的X5轴旋转的角度定义为θ5, 图中的θ5当前位置值为0度。以上定义中角度正负值定义符合右手法则,所有角度定义值均为本关节坐标系相对前一关节坐标系的相对旋转角度值（一些资料上将O4O5两点重合在一起即O4O5两点的距离x4退化为零，本文定义x4大于零使得讨论时更加不失一般性）。符号定义好了，接下来描述齐次变换矩阵。 定义R0为关节1绕Y轴的旋转矩阵 =cosθ0 s0 = sinθ0 //c0 R0 =[c0 0 s0 0 0 1 0 0 0 c0 0 -s0 0 0 0 1] 定义T0为坐标系O1X1Y1Z1相对坐标系OXYZ的平移矩阵 T0=[1 0 0 x0 0 1 0 y0 00 1 0 0 0 0 1] 定义R1为关节2绕Z1轴的旋转矩阵 R1=[c1 –s1 0 0 s1 c1 0 0
机器人逆运动学
clear; clc; L1 = Link('d', 0, 'a', 0, 'alpha', pi/2); %Link 类函数 L2 = Link('d', 0, 'a', 0.5, 'alpha', 0,'offset',pi/2); L3 = Link('d', 0, 'a', 0, 'alpha', pi/2,'offset',pi/4); L4 = Link('d', 1, 'a', 0, 'alpha', -pi/2); L5 = Link('d', 0, 'a', 0, 'alpha', pi/2); L6 = Link('d', 1, 'a', 0, 'alpha', 0); b=isrevolute(L1); %Link 类函数 robot=SerialLink([L1,L2,L3,L4,L5,L6]); %SerialLink类函数https://www.360docs.net/doc/a317795378.html,='带球形腕的拟人臂'; %SerialLink属性值robot.manuf='飘零过客'; %SerialLink属性值robot.display(); %Link 类函数 theta=[0 0 0 0 0 0]; robot.plot(theta); %SerialLink类函数 theta1=[pi/4,-pi/3,pi/6,pi/4,-pi/3,pi/6]; p0=robot.fkine(theta); p1=robot.fkine(theta1); s=robot.A([4 5 6],theta); cchain=robot.trchain; q=robot.getpos(); q2=robot.ikine(p1); %逆运动学 j0=robot.jacob0(q2); %雅可比矩阵 p0 = -0.7071 -0.0000 0.7071 1.4142 0.0000 -1.0000 -0.0000 -0.0000 0.7071 0.0000 0.7071 1.9142 0 0 0 1.0000 p1 = 0.9874 0.1567 0.0206 1.0098 0.0544 -0.4593 0.8866 1.8758 0.1484 -0.8743 -0.4621 0.0467 0 0 0 1.0000 >>s s =
基于MATLAB的六自由度工业机器人运动分析和仿真
基于MATLAB 的六自由度工业机器人运动分析及仿真 摘要： 以FANUC ARC mate100工业机器人为研究对象，对其机构和连杆参数进行分析，采用D-H 法对机器人进行正运动学和逆运动学分析，建立运动学方程。在MATLAB 环境下，运用机器人工具箱进行建模仿真，仿真结果证明了所建立的运动学正、逆解模型的合理性和正确性。 关键词:FANUC ARC mate100工业机器人; 运动学; MATLAB 建模仿真 1引言 工业机器人技术是在控制工程、人工智能、计算机科学和机构学等多种学科的基础上发展起来的一种综合性技术。经过多年的发展，该项技术已经取得了实质性的进步[1]。工业机器人的发展水平随着科技的进步和工业自动化的需求有了很大的提高，同时工业机器人技术也得到了进一步的完善。工业机器人的运动学分析主要是通过工业机器人各个连杆和机构参数，以确定末端执行器的位姿。工业机器人的运动学分析包括正运动学分析和逆运动学分析。 随着对焊接件要求的提高，弧焊等机器人的需求越来越多。本文就以FANUC ARC mate100机器人为研究对象，通过分析机构和连杆参数，运用D-H 参数法建立坐标系，求出连杆之间的位姿矩阵，建 立工业机器人运动学方程。并在MATLAB 环境下， 利用RoboticsToolbox 进行建模仿真。 2 FANUC ARC mate100 D-H 坐标系的建立mate100是FANUC 公司生产的6自由度工业机器人，包括底座、机身、臂、手腕和末端执行器，每个自由度对应一个旋转关节，如图1所示。 图1FANUC ARC mate 100机器人三维模型 DENAVIT 和HARTENBERG 于1955年提出了一种为关节链中的每一个杆件建立坐标系的矩阵方法，即D-H 参数法，在机器人运动学分析得到了广泛运用。采用这种方法建立坐标系: (1) Z i 轴沿关节i +1的轴线方向。 (2) X i 轴沿Z i-1和Z i 轴的公法线方向，且指向背离Z i-1轴的方向。 (3) Y i 轴的方向必须满足Y i = Z i *X i ，使坐标系为右手坐标系。 按照上述方法，建立坐标系如图 2 所示。 J 4 J 3 J 5 J 2 J 1 J 6
机器人学第六章(机器人运动学及动力学)
第六章 机器人运动学及动力学 6.1 引论 到现在为止我们对操作机的研究集中在仅考虑动力学上。我们研究了静力位置、静力和速度，但我们从未考虑过产生运动所需的力。本章中我们考虑操作机的运动方程式——由于促动器所施加的扭矩或作用在机械手上的外力所产生的操作机的运动之情况。 机构动力学是一个已经写出很多专著的领域。的确，人们可以花费以年计的时间来研究这个领域。显然，我们不可能包括它所应有的完整的内容。但是，某种动力学问题的方程式似乎特别适合于操作机的应用。特别是，那种能利用操作机的串联链性质的方法是我们研究的天然候选者。 有两个与操作机动力学有关的问题我们打算去解决。向前的动力学问题是计算在施加一 组关节扭矩时机构将怎样运动。也就是，已知扭矩矢量τ，计算产生的操作机的运动Θ、Θ 和Θ 。这个对操作机仿真有用，在逆运动学问题中，我们已知轨迹点Θ、Θ 和Θ ，我们欲求出所需要的关节扭矩矢量τ。这种形式的动力学对操作机的控制问题有用。 6.2 刚体的加速度 现在我们把对刚体运动的分析推广到加速度的情况。在任一瞬时，线速度矢量和角速度矢量的导数分别称为线加速度和角加速度。即 B B Q Q B B Q Q 0V ()V ()d V V lim dt t t t t t ?→+?-==? （6-1） 和 A A Q Q A A Q Q 0()()d lim dt t t t t t ?→Ω+?-ΩΩ=Ω=? （6-2） 正如速度的情况一样，当求导的参坐标架被理解为某个宇宙标架{}U 时我们将用下面的记号 U A AORG V V = （6-3） 和 U A A ω=Ω （6-4）
6.2.1 线加速度 我们从描述当原点重合时从坐标架{}A 看到的矢量B Q 的速度 A A B A A Q B Q B B V V B R R Q =+Ω? （6-5） 这个方程的左手边描述A Q 如何随时间而变化。所以，因为原点是重合的，我们可以重写（6-5）为 A A B A A B B Q B B d ()V dt B B R Q R R Q =+Ω? （6-6） 这种形式的方程式当推导对应的加速度方程时特别有用。 通过对（6-5）求导，我们可以推出当{}A 与{}B 的原点重合时从{}A 中看到的B Q 的 加速度表达式 A A B A A A A Q B Q B B B B d d V (V )()dt dt B B R R Q R Q =+Ω?+Ω? （6-7） 现在用（6-6）两次── 一次对第一项，一次对最后一项。（6-7）式的右侧成为： A B A A A A B Q B B Q B B A A A A B B Q B B V () +Ω?+Ω?+Ω?+Ω? B B B B R R V R Q R V R Q （6-8） 把相同两项合起来 A B A A A A B Q B B Q B B A A A B B B V 2 () +Ω?+Ω?+Ω?Ω? B B B R R V R Q R Q （6-9） 最后，为了推广到原点不重合的情况，我们加上一项给出{}B 的原点的线加速度的项，得到下面的最后的一般公式 A B A A A A BORG B Q B B Q B B A A A B B B V 2 () ++Ω?+Ω?+Ω?Ω? A B B B V R R V R Q R Q （6-10） 对于我们将在本章上考虑的情况，我们总是有B Q 为不变，或 B Q Q V 0== B V （6-11） 所以，（6-10）简化为 A A A A A A Q BORG B B B B B V ()=+Ω?Ω?+Ω? A B B V R Q R Q （6-12） 我们将用这一结果来计算操作机杆件的线加速度。 6.2.2 角加速度 考虑{}B 以A B Ω相对于{}A 转动的情况，而{}C 以B C Ω相对于{}B 转动。为了计算 A C Ω我们把矢量在坐标架{}A 中相加
机器人运动学知识介绍
机器人运动学知识介绍 收藏 21:53|发布者: dynamics|查看数: 1125|评论数: 2| 来自: 东方早报 摘要: 现在你可能正拿着一本书，边看边翻页，并时不时回头，越过肩膀察看后面是否有红眼的恶意机器人。随着书页的翻动，你也许会在无意识里考虑这个问题。作为人类，在物理世界移动是如此自然，只需要一丁点的意识即可。而 ... 丹尼尔·威尔逊 现在你可能正拿着一本书，边看边翻页，并时不时回头，越过肩膀察看后面是否有红眼的恶意机器人。随着书页的翻动，你也许会在无意识里考虑这个问题。作为人类，在物理世界移动是如此自然，只需要一丁点的意识即可。而另一方面，机器人———就像最后一个选择踢球的孩子———为了避免伤到自己和别人，每一个动作都必须经过仔细考虑。机器 人专家管这个过程叫做“操作研究”。 前进和逆转 如果你醒来发现自己处在一具新的躯体中，拥有金属手臂，每只手只有三根手指，你会怎么样呢？如果不知道手臂的长度，拿东西会很困难；如果只有三根手指，那么你必须找到一个全新的抓取和握东西的方法；由于弯曲的金属手臂，你可能再也没有约会的机会。这些就是身处各地的孤独的机器人们所面临的重大问题。 运动学研究旨在解决机器人的手臂转向何方(动力学则为了解决移动的速度和劲道)。机器人运动学可分两类：前进和逆转。前进运动学的问题是机器人运用它对自身的了解(关节角度和手臂长度)来判断自己在三维空间中到底身处何方。这算是简单的部分，逆转运动学正好相反，它解决机器人如何移动才能达到合适的姿势(改变关节位置)这一问题。机器人在握你手之前，需要知道你手的大概方位，以及从这里移向那里的最优顺序。有时候，可能没有最好的解决方案(试试用你的右手碰你的右肘)。 对逆转运动学来说，大多数方案运用传感器(通常是视觉和力)来估计机器人身体的当前位置。只要有了这个，机器人就能够计划下一步行动(握手、问好或绞断你的脖子)。机器人的反应很敏捷，日本ATR实验室的类人机器人能够更新视觉，估计世界形势，并且在一秒钟里能够做60个动作。这些类人机器人已经能够跳舞，耍弄彩球，玩篮球和曲棍球。 扫描环境和选择动作的过程叫做反馈环路。新的信息被经常性地用于更新当前的决定。如果缺乏经常性更新，机器人的操作技能会变得糟糕。传感器的损伤(或非常不可信赖的传感器)会干扰这一重要的环路。比如以视觉为基础的跟踪遇到混乱的场景会大受干扰，或者浪费资源去跟踪一些无意义的目标(比如落叶等)。震动可以扰乱力传感器，即使它们位于机器人手臂的内部。虽然机器人能够反应得更快更精确，但它们总是依赖于不断更新的信息和持续改进的计划。