罗伯特祥的博客

对于轨迹生成和优化，我们选择了一个五次多项式。：我们通过最小化轨迹的三阶导数的积分来确保轨迹的平滑性。Jm​∂ci​∂Jm​​∂Ti​∂Jm​​​∫0Ti​​​pi3​t​2dt2∫0Ti​​β3tβ3tTdtci​ciT​β3Ti​β3Ti​Tci​​：我们通过最小化总时间来提高轨迹的激进性。

Implicit Swept Volume SDF: Enabling Continuous Collision-Free Trajectory Generation for Arbitrary Shapes摘要在物体轨迹生成领域，确保连续无碰撞运动仍然是一个巨大挑战，特别是对于非凸几何形状和复杂环境。以往的方法要么过度简化物体形状，导致可行空间的损失，要么依赖于离散采样，从而受到“隧道效应”的影响。为了解决这些限制，我们提出了一种新颖的分层轨迹生成流程，该流程利用扫掠体积符号距离场（SVSDF）指导轨迹

WLN方法中的权重矩阵(11)会随着关节位置 ( q ) 的变化而变化。然而，如果关节远离其限制，就没有必要改变权重配置。阻尼函数只需要在关节接近其限制时激活。Chaumette和Marchand[4]提供了一种定义关节限制避免任务激活性的方法。他们将 ( \tilde{q}{\text{min}} ) 和 ( \tilde{q}{\text{max}} ) 表示为第 ( i ) 个关节的激活阈值。Raunhardt和Boulic[14]提出了一个函数来定义在阻尼区间内和外部为零的阻尼区间。

UC Berkeley研发的一款名为Blue的7轴双臂平台

软体机器人技术，如阻抗控制和反射性碰撞处理，已被证明是机器人在部分未知和潜在非结构化环境中行动的宝贵工具。这些方案主要针对经典的电动机械驱动、扭矩控制机器人开发。在刚性液压驱动的机器人上扩展和应用这些算法，由于摩擦对基于压力感应的关节扭矩估计的强烈影响，带来了问题。为了提高这类系统的性能，我们对类人机器人Atlas应用了最先进的故障检测和估计方法，以及基于观测器的扰动补偿控制。通过这种方法，尽管面临显著的建模误差，仍然可以实现更高的跟踪精度。

【代码】Springer Handbook of Robotics 2ed中文目录。

的经验来看，其搭建的6自由度并联机构，在某一位置下使用雅可比矩阵条件数（在机构学书中也阐述了雅可比条件数是定量分析机构奇异性的手段）判断该点位是奇异的，而实际用手对机构平台进行操作后发现该位置不是奇异的。本文记录该讨论过程，对于最终结论，博主暂时无法给出具体结果，如大家有什么经验或想法，可以抛出来一起探讨探讨。借鉴《基于可变加权矩阵的机器人雅可比矩阵规范化》一文的处理方式，发现计算结果与实际测试一致，因此其认为。无私的贡献自己的经验！

UR构型的奇异点说明

总结：腕部中线点在通过J1轴线且平行J2轴线的平面上时为肩部奇异

问题描述： 之前一直以为URDF中关于惯性矩阵部分是在连杆坐标系下描述的，最近正好在仿真建模的时候想从URDF中提取相关数据，结果发现以前的想法都是错的。测试： 对比URDF中的惯性元素与在SolidWorks中的惯性元素，发现URDF中描述的惯性矩阵实际上是质心坐标系下描述的！！！ 如下图所示.疑惑： 官方文档中有一句You can also specify an origin tag to specify the center of gravity and the inertia.

已知N个物体，将组成组合体的N个物体简化为一个质点。，在目标坐标系下的坐标为。

TopicsActive Perception in RoboticsAdaptive Robotic SystemsAerial RoboticsAerial Robotics: ControlAerial Robotics: Design and MechanismAerial Robotics: DetectionAerial Robotics: Learning and Adaptive SystemsAerial Robotics: Mechanics and ControlA

式中，vvv是接触面的相对速度，zzz是内摩擦状态，FFF是预测的摩擦力。与Dahl模型不同的是，LuGre模型有一个与速度相关的函数g(v)g(v)g(v)，而不是一个常数，一个额外的与微位移相关的阻尼系数σ1\sigma_1σ1​，以及与宏观位移相关的粘滞摩擦力项f(v)f(v)f(v)。其中状态zzz类似乎Dahl模型中的应变，可解释为平均鬓毛挠度，σ0\sigma_0σ0​为鬓毛刚度，σ1\sigma_1σ1​为鬓毛阻尼。与宏观位移相关的粘滞摩擦力项f(v)f(v)f(v)被建模为：f(v.

1. 摩擦力随速度的变化速度是主要因素，没啥好说的，但要注意低速情况。2. 摩擦力随负载大小的变化这个比较有意思，负载越大，摩擦力越大，几乎呈线性关系，也比较容易理解，可以比照F=kNF=kNF=kN3. 摩擦力随温度的变化温度越高，摩擦力越小，这是因为温度高的时候润滑油、润滑脂的稠度降低，容易形成油膜，因此摩擦力减小参考文献：A friction model with velocity, temperature and load torque effects for co

文章目录1. Cubic Polynomials2. 多段Cubic Polynomials3. General Cubic Polynomials4. Linear Function with Parabolic Blends5. 多段Linear Function with Parabolic Blends6. Cartesian Space下轨迹几何限制1. Cubic Polynomials2. 多段Cubic Polynomials3. General Cubic Polyn

基于领域专用语言高效的串联机器人运动学和动力学代码自动生成开源框架论文：RobCoGen: a code generator for efficient kinematics and dynamics of articulated robots, based on Domain Specific Languages官网：https://robcogenteam.bitbucket.io/代码库：https://bitbucket.org/robcogenteam/robcogen/src/master

当机器人控制系统的设计将关节柔性忽略时，也许电机的运动位置能够被较为精确的控制，然而在加速度很高的情况下，大传动力会导致机器人的连杆位置与电机位置出现较大偏差，同时在运动结束时机器人连杆将在其平衡位置附近进行较长时间的振动。方案1：基于反馈的振动控制如果我们可以较为精确的同时测量机器人电机与连杆的位置甚至速度，那么便有可能通过机器人连杆轨迹与参考运动轨迹的偏差来调整电机的控制力矩，从而实现对机器人连杆位置的精确控制来消除由于弹性变形导致的振动。这种反馈控制问题可以通过例如Integrator Bac..

J0：假设位姿q(1xN)对应的雅克比矩阵(6xN)，N为机器人关节的个数，机器人雅克比矩阵将关节速度与末端执行器空间速度V=J0*qd映射到世界坐标系中，即在末端执行器坐标系中计算雅可比矩阵并将其转换为世界坐标系Jn：在末端执行器坐标系中，机械手雅可比矩阵将关节速度映射到末端执行器空间速度V = Jn*qd，这个雅可比矩阵通常被称为几何雅可比矩阵。Jdot：雅可比矩阵(q, qd)是雅可比...

由于RPY角的定义方式有太多，所以在使用各种库的时候，我们应该首先查看它的定义方式，验证它的正确使用方法！！！MATLAB的RPY2R：X轴对应yaw，Y轴对应pitch，Z轴对应rollrpy2r(roll,pitch,yaw,'zyx')：固定轴旋转顺序，右乘，RZ∗RY∗RXRZ*RY*RXRZ∗RY∗RXrpy2r(roll,pitch,yaw,'xyz')：动轴旋转顺序，左乘，RX∗RY∗RZRX*RY*RZRX∗RY∗RZTF中：X轴对应roll，Y轴对应pitch，Z轴对应

需要保证已经安装了C++版本的kdl库，具体操作详见这篇文章进入orocos_kinematics_dynamics/python_orocos_kdl目录下，执行如下命令：mkdir build && cd buildcmake ../makesudo make install测试：$ python3>>> import PyKDL...

文章目录算法求解过程代码及解析（参考Robotics Toolbox）算法求解过程参数说明：aia_iai​：{0}-{i}之间的矢量距离eie_iei​：在base系下描述的关节轴向量ppp：{0}-{p}之间的矢量距离rir_iri​：{i}-{p}之间的矢量距离    代码及解析（参考Robotics Toolbox）注意：以下代码求的是dot_J与角速度的乘积，而不是单纯求的dot_J！以下内容转载请联系！% SerialLink.jacob_dot Derivat

在时域中，对于离散点的积分即求和：假设采样时间间隔为dTdTdT积分值+=采样值∗dT积分值 += 采样值 * dT积分值+=采样值∗dT

文章目录方法案例1 一阶系统的差分方程推导案例2 MATLAB推导栗1step1：建模step2：求:Z域传递函数栗2方法一阶前向差分s=z−1Ts = \frac{{z - 1}}{T}s=Tz−1​一阶后向差分s=1−z−1Ts = \frac{{1 - {z^{ - 1}}}}{T}s=T1−z−1​双线性变换s=2Tz−1z+1s = \frac{2}{T}\frac{{z - 1}}{{z + 1}}s=T2​z+1z−1​将其代入传递函数，整理式子，根据性质写成

文章目录1. 轴角与四元数的介绍2. 二者的区别3. 欧拉角与四元数的对应1. 轴角与四元数的介绍在不了解四元数时，很多人都错误的把轴角表示法当成了四元数。轴角表示法：使用一个3维向量表示转轴，使用一个角度分量表示绕该轴的旋转角度，即(x,y,z,angle)轴角表示法避免了Gimbal Lock问题，但是！！它却不适合用来做插值，因为用它得到的插值结果会导致插值不平滑，甚至产生跳跃，这一点与欧拉角描述时相同！对于轴角表示法的(ax,ay,az,theta)，转换成四元数描述为：x=

1. Gimbal lock的理解万向锁（Gimbal lock）： 一旦选择±90°作为pitch角，就会导致第一次旋转和第三次旋转等价，整个旋转表示系统被限制在只能绕竖直轴旋转，丢失了一个表示维度。对于万向锁的问题，只有在动态欧拉角中出现，而静态欧拉角不存在万向锁的问题！！！静态： 即绕世界坐标系三个轴的旋转，由于物体旋转过程中坐标轴保持静止，所以称为静态，此时各个变换顺序的旋转矩阵是左乘的动态： 即绕物体坐标系三个轴的旋转，由于物体旋转过程中坐标轴随着物体做相同的转动，所以称为动态，此时各个

转动的时候，XYZ分别都是绕着原来的固定坐标系旋转的，所以旋转矩阵是左乘的，即：Rxyz(α,β,γ)=RZ(γ)RY(β)RX(α)R_{xyz}(\alpha,\beta,\gamma)=R_Z(\gamma)R_Y(\beta)R_X(\alpha)Rxyz​(α,β,γ)=RZ​(γ)RY​(β)RX​(α)式中，先绕原来的坐标系X轴旋转α\alphaα，再绕原来坐标系Y轴旋转β\betaβ，最后绕原来坐标系Z轴旋转γ\gammaγ绕z轴旋转pitch：绕y轴旋转yaw：绕x轴.

结论：对于矩阵J的左逆：J−=(JTJ)−1JTJ^- = (J^TJ)^{-1}J^TJ−=(JTJ)−1JT对于矩阵J的右逆J+=JT(JJT)−1J^+ = J^T(JJ^T)^{-1}J+=JT(JJT)−1零空间向量Av=0,其中v是A的零空间向量Av=0,其中v是A的零空间向量Av=0,其中v是A的零空间向量参考：MIT—线性代数笔记33 左右逆和伪逆验证：A = [1 8 15 67; 7 14 16 3]% A的零空间向量Z = null(A)Z =

先上结论： 在构型空间（也就是C空间中），不管机器人的构型如何，有几个自由度，它在构型空间中都只是一个点！！！

文章目录1. 什么时候会出现零空间2. 零空间控制的基本原理3. 应用4. 说明5. 零空间阻抗控制6. 任务优先级控制7. 无反作用零空间先来三幅经典的案例图：1. 什么时候会出现零空间当末端保持不动，而其他关节可转动时，这些所有能转动的位形即构成零空间。对于冗余机器人，由于机器人自由度大于空间自由度，因此在任何时候都能出现；对于非冗余的情况，当机器人自由度大于要控制的空间自由度时，也会出现（如只控制末端位置而不管姿态的情况下）；即：∃q˙,Jq˙=0\exists \dot q

运动规划（Motion Planning）包括路径规划（Path Planning）和轨迹规划（Trajectory Planning）路径规划一般在机器人的操作空间内进行，主要包括环境建模、路径搜索和路径平滑三部分。全局路径规划主要方法有：栅格法C空间法Voronoi图法拓扑法概率路径图法等等栅格法：局部路径规划主要方法有：人工势场法模糊逻辑算法遗传算法基于神经网络的方法等等...

欧拉角：缺点是存在奇异问题，案例：KUKA使用的RPY轴角：缺点是有效范围小，±90°四元数：优点多多，没有gimbal lock问题，其本身就能代表姿态偏差用于阻抗控制器笛卡尔空间扭矩计算；缺点是不容易理解案例：Franka用的四元数//Source: cartesian_impedance_example_controller.cppif (orientation_d.coeffs().dot(orientation.coeffs()) < 0.0) { orientation.c.

Q&A 环节Q：运动规划、轨迹规划、路径规划的区别与联系？A：这几个概念在国内的教材里确实比较混乱，所以我按照我的理解大概说一下：①运动规划（Motion Planning）就是我这次说的主要内容；②路径规划（Path Planning）跟运动规划概念是一样的，只是我们习惯上把它放在平面机器人上；③轨迹规划（Trajectory Planning），主要是涉及速度、加速度插值，包括梯形...

a⋅b=b⋅a(a+b)⋅c=a⋅c+b⋅ca×b=−b×a(a+b)×c=a×c+b×c(a×b)×c=b(a⋅c)−a(b⋅c)a×(b×c)=b(a⋅c)−c(a⋅b)a·b = b·a(a+b)·c = a·c+b·ca×b = - b×a(a+b)×c = a×c+b×c(a×b)×c = b(a·c) - a(b·c)a×(b×c) = b(a·c) - c(a·b)a⋅...

第一部分：来源网络《Introduction to Robotics: Mechanics and Control》是本老教材了，也是介绍机械臂类型机器人的经典入门读物。里面的知识都比较基础，可以用来扫盲（这里的“基础”不是指简单，如果你没有更基础的知识储备，比如理论力学、控制理论，可能还是不懂）。如果英文不好可以看中文版：《机器人学导论》。《Robotics, Vision and Co...

文章目录说明1. 动力学模型2. 仿真程序1：位置先于速度更新程序2：速度更新先于位置更新3. 分析问题1：仅仅换了更新位置，为什么会出现这么大的差别呢？问题2：为什么步长影响会这么大？4. 总结声明说明今年3月初，博主西涯先生提出一个很有意思的问题，他在仿真动力学的时候发现速度更新和位置更新顺序不同，导致结果大不相同！今天突然想起来这件事，先记录一下。1. 动力学模型对于一个单杆系...

Additive ManufacturingAerial SystemsAgent-Based SystemsAgricultural AutomationAl-Based MethodsAI in RoboticsAssemblyAutomation at Micro-Nano ScalesAutomation in Life SciencesAutomation Techn...

文章目录向前差分向后差分例子对于连续函数f(t)f(t)f(t)，采样后为f(kT)f(kT)f(kT)，将其简写为f(k)f(k)f(k)向前差分一阶向前差分：Δf(k)=f(k+1)−f(k)\Delta f(k)=f(k+1)-f(k)Δf(k)=f(k+1)−f(k)二阶向前差分：Δ2f(k)=Δf(k+1)−Δf(k)=f(k+2)−2f(k+1)+f(k)\begin...

文章目录题记机器人学中的惯性张量惯性张量在不同坐标系下的转换下面来举个栗子！几个概念博主瞎扯淡(猜错请批评指正)参考文献：题记很早就想谈谈这个话题，奈何时间不允许。最近相对比较闲，所以来侃一侃机器人学中的惯性矩阵这点事儿。机器人学中的惯性张量惯性张量是表述机器人本体在转动过程中状态改变的难易程度的一个量，与之对应的是平动中的质量。对于惯性张量的表示，在不同的坐标系下其值是不同的，我们可以...

根据机械臂输出反馈信号(位置、力、速度)和输入信号的不同，柔顺控制方法可分为基本柔顺控制方法、先进柔顺控制方法和智能柔顺控制方法。