- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
机器人技术：运动控制、感知与路径规划
把机器人放到一间陌生的厂房里，接上电源，它凭什么知道自己在哪里、手该抬多高、下一步往哪儿走？遥控玩具不需要回答这些问题，因为答案由人捏在手里的操纵杆给出；而自主机器人必须自己作答。这本教程关心的正是这三个答案从何而来：运动学与控制回答"怎么动"，传感器融合与状态估计回答"怎么感知"，路径规划与避障回答"怎么走"，SLAM 与软件架构回答"这一切如何拼成一台真正能干活的整机"。
这不是一门"名词解释大全"式的课程。每进入一个新话题，我们都会先摆出那个让工程师真正头疼的问题，再看前人是用什么代价把它解决的。比如：逆运动学为什么常常有多个解，选错解会发生什么？轮式里程计为什么走得越远偏得越离谱，卡尔曼滤波用什么办法把误差摁住？A* 在大地图上快得漂亮，为什么换到六轴机械臂上就彻底失效？带着问题走，知识才会挂得住。
全册的问题链
四个大问题串起全部章节，顺序不能颠倒——后面的问题依赖前面的答案：
- 怎么动：给定期望的末端位姿，关节角是多少？给了关节角，需要多大的力矩？控制器如何在误差出现时把它拉回来？这是第 1、2 章的地盘。
- 怎么感知：电机的转角可靠，但世界不可靠。多种传感器各有偏差，如何融合出一份对自身状态和环境形状的估计？这是第 3 章的地盘。
- 怎么规划：知道了"我在哪"和"环境长什么样"，如何找出一条避开障碍、代价合理、还能被控制器跟得住的路径？这是第 4 章的地盘。
- 怎么集成：单个模块都跑通之后，消息如何在模块间流动、仿真如何先行、安全如何兜底？这是第 5 章的地盘。
第 6 章把视线抬高一寸：学习型机器人、软体机构、大模型与机器人的融合，以及应用与伦理的边界。
这张图里最值得注意的边是"感知 → 规划"与"运动学 → 规划"：没有位姿估计，规划器手里的地图无处锚定；没有运动学约束，规划出来的路径可能根本走不了。反之，控制做得再精，喂给它的轨迹歪了也是白费。所以本册反复强调一件事：模块边界是人为了开发方便画的，误差会穿过所有边界。
各章速览
第 1 章 自主的门槛。先厘清"自主"在不同场景下的实际含义，把遥控、半自动、全自主的差别落到可观察的指标上；再拆开机器人看内部账本——执行、传动、感知、计算、能源各占多少预算；最后补上全册用得最勤的数学工具：坐标系与齐次变换。读完后你应该能对任意一台机器人快速说出它的瓶颈在哪一层。
第 2 章 怎么动。从 DH 参数算正运动学开始，到逆运动学的多解与奇异，再到动力学建模、电机与减速器选型、PID 参数整定的实操、轨迹插值，最后触及力位混合控制。这一章代码密度最高，多数概念都配可直接推演的数值例子。
第 3 章 怎么感知。按"数据 → 特征 → 估计 → 地图"的次序推进：传感器误差预算怎么算、点云与图像如何预处理、卡尔曼滤波的预测-更新循环为何有效、栅格图与拓扑图各自的适用面、SLAM 如何把定位与建图这对鸡生蛋问题拆成可解的两个半步，以及目标识别与跟踪如何给规划器提供动态障碍。
第 4 章 怎么规划。先把规划问题形式化为构型空间中的搜索，再依次处理全局搜索（Dijkstra、A* 及其启发函数设计）、局部避障（人工势场与 DWA）、采样规划（RRT 家族应对高维空间）、轨迹优化与平滑，最后讨论多机器人协作时的冲突消解。
第 5 章 怎么集成。以 ROS 的节点-话题模型为骨架，讲软件架构的分层与模块化、仿真先行的开发流程、协作机器人安全与人机交互，并以一次导航机器人的完整联调复盘收尾——那里集中了前四章所有理论在现实面前露出的裂缝。
第 6 章 前沿与再想一步。强化学习让机器人自己学走路，软体机构让"刚性连杆"假设失效，大模型让机器人第一次能用自然语言接活；能力半径扩大的同时，伦理与安全边界也必须跟着画。
怎么使用这本教程
如果你是初学者，按章序读，第 1 章的坐标系内容不要跳——它是第 2 章运动学公式的记号基础。如果你带着具体问题来（比如"移动机器人导航跑偏"），可以直接进第 3 章状态估计与第 4 章局部避障，遇到记号障碍再回第 1 章。书中的代码片段以 Python 为主，配少量 ROS 概念代码，全部为教学简化版，重在讲清机理而非工业可直接部署；每段代码前后都交代了输入、输出与陷阱。
工程师时间有限，本册的立场是：能用一个数字说清的事，不用形容词；能跑一遍小实验验证的结论，不背结论。愿你读完时，看任何一台机器人都能在心里把它拆成"动、感、划、集"四层，并立刻看出哪一层是当前短板。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...