introduction to robotics
生物智能
有两种观点:
- 移动+感知=智能
- 移动+感知+导航=智能
而对于现在的机器人而言虽然大模型发展的很快, 但是现在的robotics 还停留在 low level
上图对于一个12岁的孩子只要教就能会, 但是现在世界上还没有一个机器人能完全覆盖这些skill
这也告诉我们 或许AI 最早替代掉的会是脑力工作者,而不是体力工作者,厨师，清洁工等职位反倒是最不容易被替代的
模式识别 VS 控制理论
- 模式识别:关注在识别位资, 光线，遮挡等变化的模型泛化性
- 视觉感知使得locomotion 更加的有目的性, 他知道怎么走
- 电机控制: 关注对于干扰的鲁棒性,和对变化的物理环境的适应性
从Baby中获得的启示
多模态: 多感知，视觉触觉等感受器的重要性
- Be incremental: learning should not start from a blank state $\Rightarrow$ 后训练
- 和世界进行交互从探索中学习 $\Rightarrow$ 强化学习
- 语言指令理解
- 从别人的动作中学习 $\Rightarrow$ 模仿学习
模型进化的必须项: 数据
- 仿真数据
- 遥操作数据
- 视觉模仿数据
机器人学的基本概念
步态周期
步行的步态周期由两个主要阶段组成：站立阶段和摆动阶段。站立阶段包括脚接触、脚平、脚跟和脚趾。摆动阶段涉及膝盖弯曲的峰值，并以脚接触结束。走路的一个关键特征是，至少一只脚总是在地面上，这与跑步不同，跑步的双脚都可以在空中。这也是在奥运会上跑步的定义。
基础概念
运动学 VS 动力学
运动学 :侧重于位置的研究,关注位置,速度,加速度而不在乎使他们达成这种情况的力
动⼒学:主要研究产 ⽣ 运 动 所 需 要 的⼒ 。控制操作臂沿期望路径运动的⽅法是,通过运 ⽤ 操 作 臂 动 ⼒ 学 ⽅ 程 求 解 出 关 节 扭 矩 函 数 , 使 操 作 臂 从 静 ⽌开始加速,使末端执⾏器以恒定的速度运动, 最后减速停⽌.
关节驱动器产⽣的扭矩函数的形式取决于末端执行器的空间形式和瞬时特性,连杆的质量特性和负载以及关节摩擦等因素
正运动学和逆运动学
- 正运动学: 正运动学输入一组关节角的值计算,末端执行器相对于机器人基坐标系的位置与姿态
- 逆运动学:给定操作臂末端执⾏器的位置与姿态, 计算所有可达给定位置与姿态的关节角.
- 通过运动学方程求解, 所有有解的目标姿态的构成的空间称为机器人的工作空间
轨迹生成
一个轨迹需要确定起始点和目标点接着生成中间路径点, 而为了使末端执行器在空间中走出一条直线或者别的几何形状,必须将末端执行器的运动转换为一系列关节的运动函数.
控制算法
线性位置控制
通过基 于 操 作 臂 动 ⼒ 学 的 线 性 近 似的控制算法 对 位 置和 速 度 传 感 器 进 ⾏ 检 测 ， 以 计 算 出 驱 动 器 的 扭 矩 指 令从而进行控制
非线性位置控制
利用非线性控制算法进行控制
力控制
力控制与位置控制是互补的，因为在特定情况下，我们一般认为只有力控制或位置控制是合适的。当操作臂在自由空间中运动时，只有位置控制有意义，因为它不与任何表面接触。然而在一些应用场合，当操作臂接触刚性表面时，位置控制方法可能会在接触表面产生过大的力或者使执行器脱离接触表面。
力-位混合控制
操作臂很少同时在所有方向都受到作用表面约束，因此就需要混合控制方式，也就是说，在某些方向用位置控制规律来控制，而其余方向通过力控制规律来控制。