轮足机械臂机器人：从硬件制造到智能算法
课程简介
本教程系统介绍轮足机械臂机器人的设计、制造与控制，涵盖从底层硬件优化到前沿AI算法的完整技术栈。课程特别关注硬件约束对算法设计的影响，以及如何在实际工程中权衡性能、成本与可靠性。全书共24章，每章配有业界案例分析、大量习题和工程实践指南。
目标读者：具有编程和AI背景的工程师与研究人员
学习成果：
- 掌握机器人硬件设计中的关键权衡
- 理解坐标系、运动学与动力学的工程应用
- 实现基于扩散模型、VLA和世界模型的智能控制
- 具备设计和调试复杂机器人系统的能力
第一部分：硬件基础与机械设计
第1章：轮足机械臂架构概述
- 轮足vs纯足式vs轮式：运动学优势分析
- 液压vs电动执行：功率密度与控制精度权衡
- 机械臂集成的设计哲学
- 刚度、质量分布与控制带宽的关系
- 案例研究：波士顿动力Handle vs 瑞士ANYmal轮足对比
- 高级话题：变刚度机构与自适应悬架系统
第2章：执行器选择与优化
- 电机类型：永磁同步电机(PMSM) vs BLDC vs 伺服 vs 准直驱
- 永磁体材料：钕铁硼vs钐钴，温度特性与退磁曲线
- 谐波减速器原理与失效模式
- 传动系统对比：谐波vs行星齿轮vs摆线针轮
- 液压执行器：阀控vs泵控系统
- 域控制器与三电系统：电机、电控、电池集成
- 反驱性(Backdrivability)与力控制
- 热管理与连续扭矩限制
- 案例研究：MIT Mini Cheetah准直驱设计
- 高级话题：串联弹性执行器(SEA)与变刚度执行器(VSA)
第3章：机械结构与刚度分析
- 结构刚度vs重量的优化
- 振动模态与控制频率耦合
- 万向节锁(Gimbal Lock)的机械规避
- 线缆管理对动力学的影响
- 碳纤维vs铝合金的材料选择
- 案例研究：宇树B2机械臂的轻量化设计
- 高级话题：拓扑优化与增材制造在机器人结构中的应用
第4章：传感器系统与数据融合
- 编码器：绝对式vs增量式，分辨率选择
- IMU放置与振动隔离
- 力/扭矩传感器的集成
- 视觉传感器的刚性安装
- 多传感器时间同步与标定
- 案例研究：Agility Robotics Digit的传感器架构
- 高级话题：分布式触觉感知与电子皮肤技术
第二部分：运动学与动力学基础
第5章：坐标系与姿态表示
- DH参数 vs PoE(Product of Exponentials)
- 四元数、旋转矩阵、欧拉角的工程选择
- 李群/李代数在机器人学中的应用
- 奇异性分析与规避策略
- 案例研究：NASA瓦尔基里机器人的坐标系设计
- 高级话题：双四元数与螺旋理论的统一框架
第6章：正逆运动学与工作空间
- 解析解vs数值解的适用场景
- 雅可比矩阵与奇异性
- 冗余自由度的利用
- 工作空间优化与可达性分析
- 案例研究：Franka Emika Panda七自由度设计
- 高级话题：任务优先级与零空间投影
第7章：动力学建模与参数辨识
- 刚体动力学：Newton-Euler vs Lagrange
- 柔性关节与传动系统建模
- 摩擦力建模与补偿
- 参数辨识：最小二乘vs贝叶斯方法
- 案例研究：库卡iiwa的动力学补偿
- 高级话题：接触动力学与互补性问题(LCP)
第三部分：经典控制与优化
第8章：轨迹规划与优化
- 关节空间vs笛卡尔空间规划
- 时间最优vs能量最优轨迹
- 动力学约束下的轨迹优化
- 实时轨迹修正与重规划
- 案例研究：国际空间站加拿大臂2(Canadarm2)的轨迹规划
- 高级话题：凸优化与SDP在轨迹优化中的应用
第9章：全身控制与平衡
- ZMP、CoM与稳定性准则
- QP优化的全身控制
- 接触力分配与摩擦锥约束
- 动态平衡与步态转换
- 案例研究：波士顿动力Atlas的动态平衡
- 高级话题：Centroidal动力学与角动量规划
第10章：阻抗控制与力控制
- 位置控制vs力控制vs阻抗控制
- 笛卡尔阻抗与关节阻抗
- 接触稳定性与被动性
- 混合力/位置控制架构
- 案例研究：德国宇航中心DLR机器人的软体控制
- 高级话题：分数阶控制与自适应阻抗
第四部分：感知与操作
第11章：视觉感知基础
- RGB-D相机原理与标定
- 立体视觉与深度估计
- 相机内外参标定与畸变矫正
- 多视角几何与三维重建
- 图像特征提取：SIFT/ORB vs 深度特征
- 案例研究：Intel RealSense在机器人中的应用
- 高级话题：事件相机与动态视觉传感器(DVS)
第12章：3D感知与场景理解
- 点云获取：LiDAR vs ToF vs 结构光
- 点云处理：滤波、配准、分割
- 6D位姿估计：基于模型vs无模型方法
- 物体检测与实例分割
- SLAM与实时建图
- 语义SLAM与场景图构建
- 案例研究：谷歌机器人抓取系统的感知流程
- 高级话题：神经辐射场(NeRF)与3D Gaussian Splatting
第13章：抓取理论与规划
- 抓取分析：力闭合与形闭合
- 抓取质量度量：Ferrari-Canny指标
- 抓取综合：解析法vs采样法
- 抓取数据集：YCB、EGAD评估
- 触觉感知在抓取中的作用
- 案例研究：Amazon机器人拣选挑战获胜方案
- 高级话题：软体抓手与适应性抓取
第14章：灵巧操作与双臂协调
- 手内操作与重抓取策略
- 灵巧手运动学与接触建模
- 操作图与任务规划
- 双臂协调：主从控制vs协同控制
- 柔顺装配与插孔任务
- 工具使用与功能推理
- 案例研究：OpenAI灵巧手魔方操作
- 高级话题：接触丰富操作的可微分仿真
第五部分：学习型控制与世界模型
第15章：行为克隆与模仿学习
- 行为克隆基础：监督学习方法
- 数据集收集：遥操作vs演示学习
- 分布偏移问题与DAgger算法
- 逆强化学习(IRL)原理
- GAIL与对抗模仿学习
- 案例研究：特斯拉FSD的模仿学习架构
- 高级话题：离线强化学习与保守Q学习(CQL)
第16章：扩散模型在机器人中的应用
- 扩散模型基础：DDPM/DDIM原理
- 条件生成与分类器引导
- 动作序列的扩散建模
- 多模态轨迹生成
- 扩散策略的实时推理优化
- 与传统策略梯度方法的对比
- 案例研究：丰田研究院Diffusion Policy实现
- 高级话题：Flow Matching与一致性模型
第17章：视觉-语言基础模型
- 大规模视觉-语言预训练：CLIP、ALIGN
- Vision Transformer架构详解
- 语言模型基础：GPT、T5架构
- 多模态融合策略：早期vs晚期融合
- Prompt工程与上下文学习
- 案例研究：Flamingo与BLIP-2架构分析
- 高级话题：检索增强生成(RAG)在机器人中的应用
第18章：视觉-语言-动作模型(VLA)
- VLA架构设计：编码器-解码器vs仅解码器
- 动作token化与离散化策略
- 任务调节与指令跟随
- 数据效率与少样本学习
- 从互联网数据到机器人数据的迁移
- 案例研究：DeepMind RT-2与谷歌RT-X
- 高级话题：思维链(CoT)与工具使用
第19章：世界模型基础
- 世界模型概念与动机
- 前向动力学vs逆向动力学建模
- 隐空间表示学习：VAE、β-VAE
- 预测模型：RNN vs Transformer
- 模型不确定性：认知vs偶然不确定性
- 案例研究：DeepMind的MuZero在机器人中的应用
- 高级话题：对比预测编码与SimSiam
第20章：基于模型的规划与控制
- 模型预测控制(MPC)在学习系统中的应用
- 规划算法：CEM、MPPI、iLQG
- Dreamer系列：v1、v2、v3演进
- 视频预测与动作规划的结合
- 在线适应与元学习
- 案例研究：Meta的JEPA世界模型
- 高级话题：因果世界模型与反事实推理
第六部分：系统工程与部署
第21章：系统集成与部署
- 实时性保证与调度策略
- 硬件加速：GPU/TPU/FPGA
- Sim-to-Real与域随机化
- 安全性验证与故障恢复
- 持续学习与在线适应
- 案例研究：特斯拉Optimus端到端系统
- 高级话题：形式化验证与概率安全保证
第22章：计算平台与操作系统
- 嵌入式处理器选择：ARM Cortex vs RISC-V
- 专用AI芯片：NVIDIA Jetson vs 地平线征程 vs 寒武纪
- 实时操作系统：RT-Linux vs QNX vs FreeRTOS
- ROS2与DDS中间件优化
- 硬件抽象层(HAL)设计
- 中断处理与DMA优化
- 案例研究：波士顿动力Spot的计算架构
- 高级话题：异构计算与神经形态芯片
第23章：仿真环境与数字孪生
- 物理引擎对比：MuJoCo vs Isaac Gym vs Bullet
- URDF/SDF/MJCF模型构建
- 接触力与摩擦模型校准
- 传感器噪声与延迟仿真
- 并行仿真与强化学习训练
- 数字孪生系统架构
- 案例研究：NVIDIA Isaac Sim在工业机器人中的应用
- 高级话题：可微分仿真与梯度优化
第24章：系统调试与性能优化
- 控制环路时序分析
- 实时性能profiling工具
- 内存管理与缓存优化
- 通信总线调试：CAN/EtherCAT/RS485
- 振动与噪声诊断
- 数据记录与回放系统
- 故障注入测试
- 案例研究：库卡机器人的诊断系统
- 高级话题：基于模型的故障检测与隔离(FDI)
附录
附录A：数学基础回顾
- 线性代数与矩阵运算
- 优化理论基础
- 概率论与贝叶斯推断
- 信号处理基础
参考文献
学习建议
- 硬件基础薄弱者：重点学习第1-4章，配合实物观察
- 算法背景强者：可快速浏览第1-7章，重点关注第8-16章
- 工程实践导向：每章案例研究必读，关注"常见陷阱"和"最佳实践"部分
- 研究导向：深入第13-15章，关注最新论文引用
版权与引用
本教程遵循 CC BY-NC-SA 4.0 协议。引用请使用：
轮足机械臂机器人：从硬件制造到智能算法. 2024.