为了控制工业机器人 ( 机械臂 ) 的运动，首先需要在机器人中建 立相应的坐标系。机器人运动学主要研究机器人各个坐标系之间的 运动关系，是机器人进行运动控制的基础。那么，机器人运动学研 究包含哪些问题呢？我们该如何去解决呢？ 本 节 导 入 在工业机器人控制中，先根据工作任务的要求确定手部要到达的目 标位姿，然后根据逆向运动学求出关节变量，控制器以求出的关节变量 为目标值，对各关节的驱动元件发出控制命令，驱动关节运动，使手部 到达并呈现目标位姿。 逆向运动学 工业机器人控制的基础 正向运动学 又是逆向运动学的基础 工业机器人相邻连杆之间的相对运动 旋转运动、平移运动 这种运动体现在连接两个连杆的关节上 坐标变换 物理上的旋转运动或平移运动 在数学上可以用矩阵代数来表达 旋转运动 → 旋转变换 平移运动 → 平移变换 坐标系之间的运动关系可以用矩阵之间的乘法运算来表达。用坐标 算来表达。用坐标 变换来描述坐标系 ( 刚体 ) 之间的运动关系是工业机器人运动学分析的 基础。在工业机器人运动学分析中要注意下面四个问题： 工业机器人操作臂可以看成是一个开式运动链，开链的一端固定在机座上， 另一端是自由的。 在开链机构简图中，关节符号只表示了运动关系。 为了研究操作臂各连杆之间的位移关系，可在每个连杆上固连一个坐标系， 然后描述这些坐标系之间的关系。 在轨迹规划

球坐标机器人 • 关节机器人 • 笛卡尔坐标机器人 球坐标系机器人 A 纯球状 机械臂的上臂和前臂相连，该枢轴常称为肘关节，允许前臂 转动角度 α ；上臂与基座相连，与基座垂直的面内的运动可 绕此肩关节进行角度 φ ；而基座可自由转动，因而整个组合 件可在与基座平行的平面内移动角度 θ ，具有这类结构的机 器人的工作包络范围大体上是球状的。 优点：机械臂可以方便灵活的到达机器人基座附近的地方， • 机械刚度比其它大多数机械手大。 缺点：工作范围受到的限制较大。 2 、工业机器人的分类 2 、工业机器人的分类 运动学链系代替纯圆柱状机器人中 的单一轴部件。 这种机器人有精密且快速的优点， 但一般垂直作用范围有限（ Z 方向 ），通常 Z 轴运动用一简单的气缸 或步进电机控制，而其它轴则采用 较精巧的电气执行器（如伺服电机 ）。 z r1 r2 r3 腕的 横滚 2 悬臂笛卡尔式 • 从支撑架伸出的长度有限， 刚性差，但其工作空间所受 约束较其它机器人所受的约 束少，故重复性和精度高； • 其坐标更近乎自然状态，故 编程容易； • 但有些运动形式，由于需要 大量计算，此结构可能较难 完成，如方向与任何轴都不 平行的直线轨迹。 x z 腕的俯仰 腕的偏摆 腕的偏摆 腕的横滚 腕的横滚 2 、工业机器人的分类 • 柱坐标机器人

公共部分 工作装置 操作简单、易于掌握 示教再现过程很快 示教之后即可应用 随时监视机器人动作 避免发生错误指令 编程占用机器人作业时间 难以与其他操作同步 很难规划复杂的运动轨迹 以及准确的直线运动 难以与传感信息相配合 机器人语言编程是指采用专用的机器人语言来描述机器人的动作 轨迹。机器人语言编程实现了计算机编程，它具有良好的通用性，同 一种机器人语言可用于不同类型的机器人。此外，机器人编程语言可 床中编制数控加工程序非常相似。一些离线编程系统带有仿真功能， 这使得在编程时就可解决障碍干涉和路径优化问题。 3 、离线编程 离线编程 为了使机器人能够进行再现示教的动作，就必须把机器人运动命令 编成程序。控制机器人运动的命令就是移动命令。在移动命令中，记录 有移动到的位置坐标、插补方式、再现速度等参数。 空走点 / 作业点 机器人再现时，决定从当前程序点到下一个程序点是否实施作业 空走点 程 需 要 实 施 作 业 ， 主 要 用 于 作 业 开 始 点 和 作 业 中 间 点 两种情况 机器人语言提供一种通用的人与机器人之间的通信手段。它是一 种专用语言，用符号述机器人的运动，与常用的计算机编程语言相似。 1 、工业机器人语言的发展概况 1975 年 IBM 公司研制出 ML 语言 随后又研制出 AUTOPASS 语言 1974 年 在 WAVE 语言的基础上开

控制系统也有许多特殊之处，如下： 多关节 联动控制 每个关节由一个伺服系 统控制，多个关节的运 动要求各个伺服系统协 同工作以实现联动控制 基于坐标变换的 运动控制 工业机器人的空间点位 运动控制，需要进行复 杂的坐标变换运算，以 及矩阵函数的逆运算 复杂的 数学模型 其数学模型是一个多变 量、非线性和变参数的 复杂模型，控制中经常 使用复杂控制技术 Control System ) 分布式结构 对于具有多自由度的工业机器人而言，当轴的数量增加到使控制算 法变得很复杂时，其控制性能会恶化，甚至可能会导致系统的重新设计。 与之相比，分布式结构的每一个运动轴都由一个控制器处理，这意 味着，系统有较少的轴间耦合和较高的系统重构性。 分布式控制系统的优点在于： ● 系统灵活性好，控制系统的危险性降低 ● 采用多处理器的分散控制，有利于系统功能的并行执 机器人操作系统，是工业机器人控制系统的“软部分”，实质上都是采 用了嵌入式实时操作系统。 工业机器人的驱动系统是直接驱使各运动部件动作的机构，对工业 机器人的性能和功能影响很大。工业机器人驱动方式主要有：液压式、 气动式和电动式。 电动驱动 利用各种电动机产生的力矩和力， 直接或间接地驱动机器人本体以获得机器人的各种运动的执行机构 气动驱动 以压缩空气为动力源驱动， 气动执行机构包括气缸、气动马达 液压驱动

云端推理用AI芯片 通过海量多模态数据（视觉、语言、动作）训练 具身大模型，优化任务规划与泛化能力 为复杂任务提供高算力支持，降低端侧负载 端侧本体推理用AI芯片 内置于具身智能本体，实现实时环境感知、运动控制与本地决策 云端训练AI芯片 云端推理AI芯片 端侧推理AI芯片 核心 目标 支持大 规模 模型 训练， 处理 海量 数据并 优化 模型 参数 高效执行训练后的 模型推理任务，兼 顾性能与能效比 多元化，运动 控制频率持续提升。人形机器人内置传感器数量将由60~100个逐步 增长至超过200个，手部自由度将由3增长至超过20 （接上页——上游机器人传感器） 人形机器人运动控制及传感器数量发展趋势 来源：专家访谈，头豹研究院 灵巧手驱动分类 电机驱动式 气动驱动式 驱动 方式 控制电机的转速和转 向来实现机器人关节 的运动 通过气体的压力和流动驱 动气缸实现关节的运动 应用 人形机器人在迈向具身智能的过程中，其感知能力呈现多元化，运动控制频率持 续提升。在感知层面，机器人不仅实现了传统力/视觉/温度/位置等基础传感功能 的全面升级，更在触觉、空间定位、环境交互等维度实现了感知能力的深度融合， 其内置传感器（如力、视觉、温度、位置、触觉等）数量与价值量占比显著提升， 传感器数量将由初期的60~100个逐步增长至超过200个。 ◼ 在运动控制层面，人形机器人的关节自由度设计同样取得突破性进展。以最具代

工信部等部门 《新产业标准化领航工程实施方案 (2023-2035 年习》 研制人形机器人相关标准，涵盖术语、核心零部件 范 、 决策、运动控制、安全和应用等方面，推动行业规 2023 年 4 月 网 等 《关于推进 IPV6 技术滴进和应用创新发展的实施意见》 推动 EngineeΓed Arts 为 Ameca 接入 GPT:3/4 增强了其语言的灵活性并增强了其面部表情 , > 2023 年，中国傅利叶推出 GR-1 通用人形机器人，多模态大模型、高度仿生的躯干构型、拟人的运动控制；宇树科 技 UnitΓee H1 发布；智元机器人远征 A1 发布 , > 2023 年 8 月，谷歌 DeepMind 推出机器人模型 Roboiics Transformer 2 (RT-2) 复杂的任务； > 超级智能阶段：理论上将具备超越人类的智能水平，能够进行创新和自我意识的决策。 ■ 具身智能的核心技术 □ 具身智能的三大核心要素 > 本体：智能体的物理载体，具备感知、运动和操作能力。本体的形态和功能直接影响智能体的任务执行能力。 > 智能：负责感知、理解、决策和控制的核心模块，通常由多模态大模型 ( 如 LLM 、 VLM) 驱动。通过整 合视 觉、

进行游程检验和独立性检验均通过，调查结果真实可信。 针对问卷调查的结果，我们运用描述性统计方法，分别对用户和非用户的基 本信息进行分析。借助 Logit 二元选择模型，分析得到性别、年龄、学历、兴趣 爱好、性格、运动频率是购买智能手环的显著影响因素。基于回归结果，利用 K-means 聚类的方法，定量分析潜在用户性别、年龄、学历、爱好、年收入、购 买意愿，将潜在用户分为 5 类，以定性为基础结合定量方法分析了潜在客户价值。 •主打运动 •佩戴较轻便 •续航能力差 •功能单薄 - 2 - 3.智能手环发展机遇与面临的挑战 （1）发展机遇 在 2015 年，国内出台了首个智能可穿戴设备行业标准，促进该行业的正规 化，包括《可穿戴产品分类与标识》、《可穿戴产品数据规范》、《可穿戴产品应用 服务框架要求》。这三项标准对于智能穿戴设备的发展具有正向激励作用。 在人们越来越关注健康的大环境下，能提供运动数据分析和监测的运动手环 和监测的运动手环 很有市场;在饱受慢性病侵袭的老年人中，相比于繁重的医疗设备轻巧的健康监 测手环很有市场;对于对世界充满好奇又缺乏危险意识的小朋友，一款颜色鲜艳 的定位手环很有市场;面对商场超市排长龙的结账队伍，快速高效的支付手环很 有市场，但是这一切需要一个完整的市场体系来支撑。数据记录的真实准确、食 物摄入的精准分析、睡眠质量的监测提示，GPS 定位的正确与否，快捷支付的账 户安全等问题将成为制约智能手环产品未来的难题。

内部传感器 外部传感器 传感系统 （ 1 ）内部传感器 用于确定机器人在其自身坐标系内的姿态位置，是完成机器人运动控制 ( 驱动系统及执行机械 ) 所必需的传感器，多数是用于测量位移、速度、加 速度和应力的通用型传感器。 如：为测量回转关节位置的轴角编码器、测量速度以控制其运动的测速计 （ 2 ）外部传感器 用于检测机器人所处环境、外部物体状态或机器人与外部物体 ( 即工作对 象 ) 工业机器人的传感器按检测对象的不同分类 触觉传感器 力觉传感器 接近觉传感器 听觉传感器 嗅觉传感器 温度传感器 视觉传感器 内部传感器 外部传感器 传感器 位置检测传感器 运动检测传感器 确定位置和角度 任意位置和角度 速度和加速度 速度和角加速度 姿态 立体 平面 工业机器人用于执行各种加工任务，不同的任务对工业机器人提出 不同的要求。例如，搬运任务和装配任务对传感器要求主要是力觉触觉 机器人控制需要采用传感器检测机器人的运动位置、速度、加速 度等。除了较简单的开环控制机器人外，多数机器人都采用了位置传 感器作为闭环控制的反馈原件。 机器人根据位置传感器反馈的位置信息，对机器人的运动误差进 行补偿。不少机器人还装备有速度传感器和加速度传感器。 加速度传感器 可以检测机器人构件受到的惯性力，使控制能够补 偿惯性力引起的变形误差。 速度传感器 用于预测机器人的运动时间，计算和控制由离心力引

器人高精度、轻便、安全可靠、操作简便等优点的同时，还具有一定成本优势，被广泛应用于轻量级工业制造的生 产环节以及科研教育、医学检测、化学分析、样品处理等场景。 六轴协作机器人最为常用，其运动方式类似于人类手臂的运动，被广泛应用于各个行业中。机器人的自由度与 其轴数相关，六轴协作机器人已经具备完整的自由度，能够到达空间 中的任意点，具有较好的通用性。这种高灵活性使得六轴机器人被广泛应用于打磨、装配、螺丝锁付、检测、分拣、 2020 市场规模（亿元） 同比增长（%） 数据来源：高工机器人产业研究所（GGII） 三、力传感器 力传感器（Force sensor）是将力的量值转换为相关电信号的器件。力是引起物质运动变化的直接原因。力传感器能 检测张力、拉力、压力、重量、扭矩、内应力和应变等力学量，在动力设备、工程机械、各类工作母机和工业自动化 系统中，是不可缺少的核心部件。 随着机器人技术的快速发展，机 关节扭矩传感器，也称为力矩传感器、扭力传感器，能够实时监测机器人各关节在运行时承受的力矩，及时感应到 任何超出预设阈值的力或扭矩变化，这在人机交互时尤为重要。一旦检测到异常高的力或扭矩，机器人控制系统将立 即采取措施，如减速或停止运动，防止对操作人员造成伤害。 关节扭矩传感器在高端协作机器人中被广泛采用，它们是实现机器人柔顺控制、力反馈 和安全交互的基础。这些传感器使机器人能够感知并适应外部作用力，从而在人机协作场景下提供安全保障，同时在

动态模型和在线物理属性估计, 可以使机器人能够 适应性地操控具有未知物理属性的多样化物体. AdaptiGraph 利用图神经网络 (Graph neural net- work, GNN) 预测粒子运动, 并通过少量样本适应 性地调整模型以适应新材料. 实验表明, Adapti- Graph 在预测准确性和任务熟练度方面优于非材料 条件和非自适应模型. 该方法在处理包括绳索、颗 粒介质、刚性盒子和布料在内的多种真实世界可变 得到完成整个任务所需的动作序列. 实验 表明, 相比于依赖预训练视觉语言模型或仅采用端 到端视觉运动控制而忽视技能模块的方法, KITE 在演示数据较少或相当的情况下训练效果更优. CoPa[96] 通过部件空间约束实现通用机器人操 作. 该框架利用大规模预训练模型中蕴含的常识知 识来指导机器人在开放世界场景中的低层次控制. 在运动规划阶段, 首先将识别出的关键部件简化为 几何元素表示, 如将细长部分建模为向量 觉语言模型将自然语言描述的任务分解为一系列简 单的子任务, 并总结每个子任务的信息, 如抓取对 象、未固定对象和运动方向等; 在低层动作推理阶 段, MOKA 根据当前观察到的环境图像, 提出关键 点和路径候选, 并通过视觉提问的方式让 VLM 从 候选中选择正确的关键点和路径点, 进而生成可执 行的基于点的运动计划. ViLA[30] 也探索了视觉提 示的使用, 作者发现在某些任务中, 使用一幅表示 期望结果的图片来指导机器人比仅依赖口头指令更