机器人传统控制教程：从接触规划到智能控制
关于本教程
本教程深入探讨机器人控制的核心理论与实践，从基础的接触力学到前沿的基础模型应用。我们将系统性地构建从底层物理约束到高层智能决策的完整控制体系，帮助读者掌握现代机器人控制的精髓。
本教程特别聚焦于四个核心领域：
- 接触规划：如何处理机器人与环境的物理交互
- 运动规划：如何生成可行且优化的运动轨迹
- 模型预测控制（MPC）：如何实现实时最优控制
- 全身控制（WBC）：如何协调复杂机器人系统的整体运动
目标读者
本教程面向具有扎实数学基础的资深工程师和AI科学家，假定读者已掌握线性代数、动力学和优化理论的基本概念。
教程结构
第一部分：理论基础（第1-3章）
- 机器人控制的演进历程
- 从经典控制到智能控制的范式转变
- 本教程的学习路线图
- 案例研究：波士顿动力Atlas的控制架构演进
- 李群与李代数在机器人学中的应用
- 凸优化与非凸优化
- 变分原理与最优控制
- 案例研究：SE(3)上的轨迹优化
- 浮动基座动力学
- 约束动力学与接触建模
- 递归动力学算法
- 案例研究：四足机器人ANYmal的动力学建模
第二部分：接触规划（第4-6章）
- 库仑摩擦锥与接触约束
- 互补性问题与接触求解
- 接触稳定性分析
- 案例研究：人形机器人脚掌接触建模
- 接触序列规划
- 可行性与稳定性约束
- 混合整数规划方法
- 案例研究：攀岩机器人的接触点选择
- 多接触运动生成
- 接触切换与模式调度
- 鲁棒性与不确定性处理
- 案例研究：NASA Valkyrie的多接触操作
第三部分：运动规划（第7-8章）
- 配置空间与工作空间
- 采样基规划算法（RRT、PRM）
- 优化基规划方法
- 案例研究：机械臂在杂乱环境中的规划
- 直接配点法与直接射击法
- 微分动态规划（DDP）
- 时间最优轨迹生成
- 案例研究：无人机穿越动态障碍
第四部分：模型预测控制（第9-10章）
- MPC问题表述与求解
- 线性MPC与QP求解器
- 稳定性与递归可行性
- 案例研究：自动驾驶车辆的MPC实现
- 非线性MPC算法
- 实时迭代方案
- 接触隐式MPC
- 案例研究：Spot四足机器人的运动控制
第五部分：全身控制（第11-12章）
- 任务空间控制理论
- 运动与力控制的统一框架
- 优先级任务管理
- 案例研究：HRP-2人形机器人的平衡控制
- 操作空间控制
- 二次规划基WBC
- 接触一致性与动力学可行性
- 案例研究：双臂协作机器人Baxter
第六部分：实现挑战与前沿（第13-16章）
- 计算复杂度与算法加速
- 嵌入式系统优化
- 并行化与硬件加速
- 案例研究：1kHz全身控制器实现
- 仿真与现实的差距
- 域随机化与域适应
- 系统辨识与自适应控制
- 案例研究：强化学习策略的sim-to-real转移
- 视觉-语言-动作模型
- 扩散模型用于轨迹生成
- 大规模预训练与微调策略
- 案例研究：RT-2与机器人具身智能
- 多接触规划的实时性突破
- 学习与控制的深度融合
- 基础模型的落地挑战
- 通用机器人控制的愿景
学习建议
- 循序渐进：建议按章节顺序学习，每章的概念都建立在前面章节的基础上
- 理论与实践结合：每章的案例研究展示了理论在实际系统中的应用
- 深入思考：挑战题目设计用于激发对本质问题的思考
- 关注前沿：最后几章讨论了领域内最新的研究方向
符号约定
- $\mathbf{x}$：状态向量
- $\mathbf{u}$：控制输入
- $\mathbf{q}$：关节配置
- $\mathbf{f}$：接触力
- $\mathbf{J}$：雅可比矩阵
- $\mathbf{M}$：质量矩阵
- $\mathcal{C}$：配置空间
- $\mathcal{F}$：可行域
祝您学习愉快！