机器人学概述与本书导引 / Introduction to Robotics and Book Overview

机器人学（Robotics）是一门高度交叉的工程与科学领域，致力于设计、构建、操作和应用机器人（Robot）——即能够通过编程自主或半自主地执行物理任务的机电系统。其核心在于融合机械工程、电子工程、计算机科学、人工智能、控制理论以及认知科学等多学科知识，使机器人能够感知环境、进行决策并执行动作。国际标准化组织（ISO）在ISO 8373:2012中将机器人定义为“一种可编程的、多用途的操纵器，其在三个或更多轴上可编程，用于固定或移动应用”，但这一定义主要针对工业机器人，难以涵盖现代服务机器人、医疗机器人、无人机（UAV）及无人车（UGV）等新兴形态。因此，当代机器人学的研究范畴已扩展至任何能够与环境交互并实现特定目标的智能系统。本书旨在从数学基础出发，系统性地阐述机器人学中的核心理论，特别是同步定位与地图构建（SLAM）以及运动控制等关键问题，为读者构建严谨的知识框架。

机器人学的发展历程可追溯至古代自动化装置，如古希腊的自动门、中国的木鸟，以及文艺复兴时期达·芬奇设计的机械骑士。然而，现代机器人学的起点通常被认为是20世纪中叶。1954年，乔治·德沃尔（George Devol）申请了世界上第一个工业机器人专利，描述了可编程的机械臂。1961年，第一台工业机器人Unimate在通用汽车工厂投入生产，用于压铸件的搬运，标志着机器人从概念走向实际应用。此后，工业机器人在汽车制造业迅速普及，其精度、重复性和可靠性远超人力。20世纪70年代，斯坦福大学、麻省理工学院等机构开始研究具备传感器反馈和简单智能的机器人，如斯坦福机械臂（Stanford Arm）和Shakey移动机器人，后者首次整合了视觉、规划和运动控制，被视为人工智能在机器人中的早期实践。80年代，随着微处理器和传感器技术的进步，机器人开始应用于焊接、喷涂、装配等更复杂的工业场景，同时，日本在服务机器人领域展开探索，如索尼的AIBO机器狗。进入21世纪，机器人技术呈现多元化爆发：工业机器人向协作化（Cobot）发展，如Universal Robots的机械臂实现人机安全共存；服务机器人涵盖扫地机器人（iRobot Roomba）、手术机器人（达芬奇系统）、物流机器人（Amazon Kiva）等；医疗机器人在微创手术、康复训练中发挥重要作用；无人机在航拍、农业、配送等领域广泛应用；无人车则成为自动驾驶技术的前沿。根据国际机器人联合会（IFR）数据，2019年全球工业机器人安装量达37.3万台，创历史新高；服务机器人市场预计到2025年将超过500亿美元。当前趋势包括：人工智能与机器人深度融合，强化学习、深度学习赋予机器人更强的适应与学习能力；人机协作（HRC）成为工业4.0的核心；模块化、可重构机器人设计提升灵活性；以及面向太空探索、深海作业等极端环境的特种机器人研发。这些进展凸显了机器人学作为推动生产力变革与社会进步的关键技术的地位。

机器人的分类体系多样，按应用领域可分为工业机器人、服务机器人、医疗机器人、军事机器人、太空机器人等。工业机器人主要用于制造业的焊接、搬运、装配等 repetitive 任务，通常为关节式机械臂；服务机器人从事清洁、运输、陪伴等非制造任务，如扫地机器人、导览机器人；医疗机器人包括手术机器人（如达芬奇系统）、康复机器人（如外骨骼）和诊断辅助机器人；军事机器人涵盖无人机、拆弹机器人等；太空机器人如火星探测器。按结构形式，机器人可分为串联式（关节型，灵活性高但刚度低）、并联式（刚度高、精度高但 workspace 小）、移动式（轮式、履带式、足式）、仿生式（模仿动物或人体结构）以及模块化可重构机器人。按智能水平，机器人可分为手动操纵（Teleoperation）、预编程（Pre-programmed）、自适应（Adaptive，能根据传感器调整）和自主（Autonomous，能独立完成复杂任务）。例如，传统工业机械臂属于预编程，而现代仓储机器人（如Amazon Robotics）则具备自主导航与任务分配能力。这些分类并非互斥，许多机器人兼具多重属性，如医疗手术机器人既需高精度串联结构，又融合力感知与半自主规划。

感知-规划-控制（Perception-Planning-Control）范式是机器人系统实现自主行为的核心逻辑框架，它描述了机器人从环境感知到动作执行的闭环信息处理流程。感知层（Perception）通过各类传感器（如激光雷达、摄像头、惯性测量单元IMU、超声波、触觉传感器）采集原始数据，并利用信号处理与计算机视觉算法提取环境特征，如障碍物位置、目标物体、地形地貌。例如，自动驾驶汽车使用多线激光雷达生成三维点云，通过聚类与分割识别车辆、行人；扫地机器人采用红外与碰撞传感器构建局部障碍地图。状态估计（State Estimation）是感知的关键环节，它基于传感器观测和历史信息，推断机器人自身状态（位置、速度、姿态）及环境参数。概率方法（如卡尔曼滤波、粒子滤波）在此发挥核心作用，因为它们能有效处理传感器噪声与不确定性。规划层（Planning）根据感知结果与任务目标，生成机器人可执行的动作序列。它通常分为三层：任务规划（Task Planning）确定高层目标序列（如“去厨房取水”需分解为“导航至厨房”、“识别水壶”、“抓取”等子任务），路径规划（Path Planning）在已知地图中寻找无碰撞几何路径（如A*、Dijkstra算法），运动规划（Motion Planning）则考虑动力学约束生成可行轨迹（如RRT*、CHOMP算法）。控制层（Control）将规划结果转化为具体的执行器指令（如电机扭矩、舵机角度），并实时调整以应对扰动。经典控制方法包括PID控制、模型预测控制（MPC），而力控制（如阻抗控制）则用于机器人与环境接触时的柔顺操作。整个范式形成闭环：执行动作改变环境，引发新的感知，从而持续迭代。以无人机自主巡检为例：感知模块通过视觉与IMU估计位姿，规划模块生成避障路径，控制模块驱动电机跟踪轨迹，而风扰等外部因素通过反馈loop被感知层捕获，触发重新规划。这一范式的数学基础涵盖线性代数（坐标变换、矩阵分解）、概率论（贝叶斯估计、随机过程）、优化理论（轨迹优化、凸规划）及微分方程（系统动力学），后续章节将深入这些工具的具体应用。

本书的目标读者为具备一定工程与数学基础的学习者，包括高等院校机器人学、自动化、计算机科学及相关专业的本科生与研究生，从事机器人研发的工程师，以及希望系统化补充数学知识的研究人员。读者应已掌握线性代数 basics（矩阵运算、特征值分解、奇异值分解）、概率论 fundamentals（概率分布、贝叶斯定理、随机变量）、编程基础（至少一门语言如Python或C++，熟悉基本数据结构与算法）。若对多变量微积分、几何学或控制理论缺乏了解，可通过附录或推荐资料补充。本书不假设读者具备机器人学先修知识，但强调数学工具的直接应用，因此适合作为研究生教材或工程参考书。为帮助读者评估准备情况，第一章末提供自测题，涵盖关键概念与公式推导。

全书共15章，逻辑结构由浅入深，从数学基础到核心算法，再到高级主题与系统集成，形成完整的知识链条。各章内容与依赖关系如下：

• **第1章：机器人学概述与本书导引**（本章）——建立整体概念，明确学习路径。
• **第2章：线性代数基础**——系统回顾向量空间、矩阵分解、特征分析，为坐标变换与状态估计奠基。
• **第3章：概率论与随机过程**——涵盖贝叶斯推断、概率分布、马尔可夫链，支撑滤波与SLAM算法。
• **第4章：刚体运动学**——详细阐述旋转表示（欧拉角、四元数、旋转矩阵）、齐次变换、运动学链，是描述机器人位姿的数学核心。
• **第5章：传感器模型与数据处理**——分析常见传感器原理、噪声模型、标定与融合技术（如卡尔曼滤波）。
• **第6章：SLAM：问题形式化与基础算法**——引入SLAM的图模型、观测模型、运动模型，讲解EKF-SLAM与FastSLAM。
• **第7章：基于图优化的SLAM**——深入g2o、Ceres等优化框架，阐述Bundle Adjustment、位姿图优化。
• **第8章：视觉SLAM与多传感器融合**——聚焦视觉惯性里程计（VIO）、RGB-D SLAM及激光-视觉融合。
• **第9章：路径规划算法**——介绍图搜索（A*、D*）、采样法（PRM、RRT）及优化方法（CHOMP、STOMP）。
• **第10章：运动规划与轨迹生成**——涵盖时域参数化、动力学约束、优化轨迹（如TrajOpt）。
• **第11章：控制理论概述**——回顾线性系统、PID、状态反馈、李雅普诺夫稳定性。
• **第12章：机器人运动控制**——详解关节空间控制、任务空间控制、阻抗控制与导纳控制。
• **第13章：力控制与接触操作**——阐述力/位混合控制、柔顺控制、抓取规划。
• **第14章：机器学习在机器人中的应用**——介绍强化学习、模仿学习、端到端学习在感知与控制中的实践。
• **第15章：系统集成、案例研究与未来趋势**——综合前述内容，分析真实机器人系统（如自动驾驶栈、无人机集群），并探讨伦理、安全与前沿方向。

章节依赖关系可可视化如下：

```mermaid graph TD A[第1章 概述] --> B[第2章 线性代数] A --> C[第3章 概率论] B --> D[第4章 刚体运动] C --> D D --> E[第5章 传感器] E --> F[第6章 SLAM基础] F --> G[第7章 图优化SLAM] F --> H[第8章 视觉SLAM] G --> I[第9章 路径规划] H --> I I --> J[第10章 运动规划] J --> K[第11章 控制理论] K --> L[第12章 运动控制] L --> M[第13章 力控制] K --> M M --> N[第14章 机器学习应用] N --> O[第15章 系统集成] I --> O J --> O L --> O ```

此图显示基础数学（2-4章）是后续所有章节的公共前提；感知相关（5-8章）为规划控制提供环境信息；规划（9-10章）与控制（11-13章）紧密衔接；机器学习（14章）可作为增强模块融入各环节；最终系统集成（15章）综合全部。学习路径可根据读者背景调整：理论导向者建议按序逐章学习，夯实数学基础；应用导向者可在掌握2-4章后直接阅读6-8章（SLAM）或9-13章（规划控制），按需补充数学；综合研究者则适合通读全书，重点把握各模块接口与系统优化。每章末设有“关键要点回顾”与“习题”，习题分为基础（巩固概念）、进阶（算法推导）与拓展（实际项目）三类，以支持不同学习目标。

中英双语使用规范旨在促进国际化阅读与术语准确理解。全书正文以中文为主，专业术语首次出现时标注英文，如“机器人学（Robotics）”、“同时定位与地图构建（Simultaneous Localization and Mapping, SLAM）”。图表标题、坐标轴标签、算法伪代码均采用中英对照，例如图标题：“图6.1：EKF-SLAM流程 / Figure 6.1: EKF-SLAM Pipeline”。章节标题仅以中文呈现，但目录提供英文对照。术语表（Glossary）位于附录，按字母顺序列出中英文定义。参考文献兼顾中英文文献，中文文献保留原文，英文文献遵循IEEE格式。为便于电子版交互，关键术语添加超链接至术语表；Markdown版本则使用语义化标签，如`<term>机器人</term>`，便于程序提取。此规范确保中文读者无障碍理解，同时方便国际读者对照，并为机器处理提供结构化数据。

数学工具在机器人系统中扮演着不可或缺的角色，它们提供了形式化描述、算法设计与性能分析的严密语言。线性代数是描述空间变换的基石：机器人位姿用齐次变换矩阵 $T \in SE(3)$ 表示，运动学方程通过雅可比矩阵 $J$ 关联关节速度与末端速度，点云处理依赖特征值分解（PCA）或奇异值分解（SVD）进行配准。例如，机械臂正向运动学可表示为 $x = f(q)$，其中 $q$ 为关节向量，$x$ 为末端位姿，其微分关系为 $\dot{x} = J(q) \dot{q}$，雅可比矩阵 $J$ 的计算离不开向量与矩阵运算。概率论处理感知与状态估计中的固有不确定性：传感器噪声建模为高斯分布，贝叶斯滤波递归更新后验概率 $p(x_t | z_{1:t})$，其中 $z$ 为观测。SLAM问题本质是联合估计机器人轨迹与地图的极大后验估计（MAP），即 $\max_{x,m} p(x,m | z,u)$，其中 $x$ 为轨迹，$m$ 为地图，$z$ 为观测，$u$ 为控制输入。优化理论是规划与控制的核心：路径规划转化为带约束的最短路径问题，运动规划求解轨迹优化 $\min_\tau \int_0^T \| \ddot{\tau} \|^2 dt$ 满足避障约束，图优化SLAM最小化重投影误差 $\sum_{i,j} \| e_{ij}(T_i,T_j,z_{ij}) \|^2_\Sigma}$。几何学（尤其是李群与李代数）为连续运动提供微分为基础：$SE(3)$ 上的优化需在李代数 $\mathfrak{se}(3)$ 进行，以避免矩阵求导的复杂性。控制理论确保系统稳定与性能：PID控制通过比例-积分-微分项调节误差，模型预测控制（MPC）求解有限时域优化问题，李雅普诺夫函数用于证明闭环稳定性。这些数学工具并非孤立，而是深度融合：例如，视觉SLAM中，光束法平差（Bundle Adjustment）同时优化位姿与地图点，涉及稀疏矩阵求解（线性代数）、高斯-牛顿法（优化）与马哈拉诺比斯距离（概率）。后续各章将逐一展开这些工具的机器人学应用，并通过实例（如无人机轨迹跟踪、机械臂抓取）展示其协同作用。

本章作为全书导引，已勾勒机器人学的全景：从历史脉络到现代应用，从系统分类到核心范式，并明确了本书的读者定位、内容架构与双语规范。感知-规划-控制循环揭示了机器人智能行为的闭环本质，而数学工具是打通各环节的通用语言。接下来，第2章将系统复习线性代数，重点讲解矩阵分解、特征值问题及其在坐标变换与状态估计中的直接应用，为后续章节的数学推导铺平道路。通过本章，读者应初步理解机器人学的多学科融合特性，并对全书的学习路径形成清晰规划。

案例研究一：视觉SLAM中的数学融合

以典型的单目视觉SLAM系统（如ORB-SLAM3）为例，我们可以清晰地看到线性代数、概率论与优化理论在感知-规划-控制范式中的深度融合。系统启动时，感知模块通过摄像头获取图像序列，利用特征提取算法（如ORB）检测关键点并计算描述子。特征匹配过程本质上是高维向量空间中的最近邻搜索，依赖于线性代数中的向量范数与距离度量；而多视图几何中的本质矩阵（Essential Matrix）与基础矩阵（Fundamental Matrix）估计则涉及矩阵秩约束与奇异值分解（SVD）。例如，通过八点法求解基础矩阵 $F$ 时，需将问题线性化为 $Af = 0$，其中 $f$ 是 $F$ 的向量化，再通过SVD求解最小二乘解，并强制秩为2约束——这直接应用了第2章的矩阵分解知识。

状态估计环节采用基于图优化的后端（Backend），将机器人位姿与地图点建模为因子图（Factor Graph）。每个位姿节点 $T_i \in SE(3)$ 与地图点 $p_j \in \mathbb{R}^3$ 均为变量，重投影误差因子 $e_{ij} = z_{ij} - \pi(T_i, p_j)$ 衡量观测 $z_{ij}$ 与投影 $\pi$ 的差异，其中 $\pi$ 是相机投影模型（涉及针孔模型与畸变校正）。优化目标为最小化所有误差的加权和：$\min_{\{T_i\},\{p_j\}} \sum_{i,j} \| e_{ij} \|^2_{\Sigma_{ij}}}$，这转化为一个稀疏非线性最小二乘问题，通常使用高斯-牛顿法或Levenberg-Marquardt算法求解。这些优化器的核心是计算雅可比矩阵（线性代数）并求解正规方程（$J^T J \delta = -J^T e$），而雅可比的计算需要李群 $SE(3)$ 上的扰动理论（李代数 $\mathfrak{se}(3)$），这正是第4章刚体运动学的延伸。同时，先验信息（如IMU预积分）作为概率因子融入图模型，体现了贝叶斯估计思想：优化过程等价于最大后验估计（MAP），其中先验分布（如高斯）对应正则化项。整个流程中，规划模块可能基于当前稀疏地图生成安全路径（如使用A*算法），而控制模块（若为移动机器人）则通过PID或MPC跟踪轨迹，反馈误差由视觉定位提供。此案例展示了数学工具如何贯穿SLAM全流程：从特征处理的线性代数，到噪声建模的概率论，再到状态优化的理论，最终形成闭环系统。

案例研究二：机械臂运动控制的数学链条

考虑工业协作机器人（如Universal Robots UR5e）的轨迹跟踪任务。目标为让末端执行器沿预定空间曲线（如螺旋线）运动，同时避免与环境碰撞。运动学层面，正向运动学 $x = f(q)$ 将关节角 $q \in \mathbb{R}^6$ 映射为末端位姿 $x \in SE(3)$，其雅可比矩阵 $J(q) = \frac{\partial f}{\partial q}$ 关联关节速度 $\dot{q}$ 与末端速度 $\dot{x}$：$\dot{x} = J(q) \dot{q}$。若任务空间轨迹为 $x_d(t)$，则通过逆运动学求解期望关节角 $q_d$（通常无解析解，需数值迭代，如牛顿-拉夫森法，依赖雅可比伪逆 $J^+$）。动力学层面，方程 $\tau = M(q)\ddot{q} + C(q,\dot{q})\dot{q} + g(q) + \tau_{\text{ext}}$ 描述关节力矩 $\tau$ 与惯性、科里奥利力、重力和外部力的关系，其中质量矩阵 $M(q)$ 为正定对称矩阵，$C(q,\dot{q})$ 满足 skew-symmetric 性质——这些结构特性源于刚体力学与拉格朗日方程，涉及多变量微积分与李群理论。控制层面，常用计算力矩控制（Computed Torque Control）实现轨迹跟踪：基于动力学模型前馈补偿，结合关节空间PID反馈，即 $\tau = M(q)(\ddot{q}_d + K_v \dot{e} + K_p e) + C(q,\dot{q})\dot{q} + g(q)$，其中 $e = q_d - q$ 为跟踪误差。稳定性分析需构造李雅普诺夫函数 $V = \frac{1}{2} \dot{e}^T M \dot{e} + \frac{1}{2} e^T K_p e$，并证明 $