第1章 机器人学导论

当你在工厂流水线上看到机械臂精准完成焊接、装配动作，在家中看到扫地机器人自主绕过障碍物完成清扫，在新闻报道中看到“祝融号”火星车在火星表面自主行驶、采集样本时，你已经在与机器人学的成果产生交集。作为一门融合机械工程、电子工程、计算机科学、控制理论、人工智能等多学科的交叉领域，机器人学正从实验室走向工业、服务、特种作业等各类场景，成为新一轮科技革命和产业变革的核心驱动力之一。

机器人学的核心研究对象是具有感知、决策、执行能力的物理实体系统，其核心特征区别于两类常见技术：一是区别于纯软件形态的人工智能系统——机器人必须通过物理执行器与环境产生真实的力、运动交互，而非仅在虚拟空间中完成计算；二是区别于传统自动化设备——传统自动化设备仅能执行预设的固定程序，不具备自主感知与动态适应能力，而机器人可通过传感器获取环境与自身状态信息，基于算法自主完成决策与动作调整，适应非结构化、动态变化的环境。国际机器人联合会（IFR）将机器人定义为“一种可编程的、用于移动或抓取物体的自动化设备，其运动可通过外部或内部控制程序实现”，这一定义既明确了机器人的可编程属性，也强调了其物理交互的核心属性^[1]。

1.1 机器人学的发展历程与关键突破

机器人学的演进并非一蹴而就，而是经历了从机械雏形、概念提出到技术落地、场景爆发的数百年历程，其发展节点始终与材料、电子、控制、人工智能等领域的突破紧密耦合。

最早的机器人雏形可追溯至古代人类的自动装置创造：公元前3世纪，古希腊发明家泰西比乌斯制造的自动门、自动歌手，中国古代三国时期诸葛亮发明的木牛流马，均是基于机械结构实现的自动化装置，虽无感知与决策能力，但体现了人类制造“替代自身劳动的设备”的最初设想。真正让“机器人”概念进入公众视野的是1920年捷克作家卡雷尔·恰佩克的科幻剧本《罗素姆的万能机器人》，其中首次使用“robot”一词指代人造劳动力，该词源于捷克语“robota”，意为“劳役、苦力”^[2]。

技术层面的突破始于20世纪中期的工业革命需求：1954年，美国工程师乔治·德沃尔发明了第一台可编程机械臂，首次提出了“示教-再现”的控制逻辑——即人工操作机械臂完成一次任务后，机器人可重复执行该动作序列，这是工业机器人的核心技术原点；1961年，基于该技术研发的Unimate机器人正式投入通用汽车工厂的压铸作业，标志着机器人首次从实验室走向工业量产应用。20世纪60-70年代，传感器技术的快速发展让机器人突破了“盲操作”的限制：触觉传感器、视觉传感器的出现让机器人具备了感知外部环境的能力，斯坦福研究院1966年研发的Shakey机器人成为世界上第一台具备自主移动、环境感知、任务决策能力的移动机器人，虽其运动速度仅为0.03米/秒，但验证了机器人自主感知决策的技术可行性。

20世纪80-90年代，机器人应用场景从工业领域向服务、特种领域拓展：家用扫地机器人、医疗手术机器人、水下遥控机器人（ROV）等产品相继问世，移动机器人的定位与建图技术（SLAM）取得关键突破，解决了机器人在未知环境中“知道自己在哪、周围有什么”的核心问题。21世纪初，DARPA系列挑战赛成为移动机器人技术的重要催化剂：2004年第一届DARPA大挑战赛中，没有任何一台机器人完成132英里沙漠赛道的行驶任务，而2007年DARPA城市挑战赛中，卡内基梅隆大学的Boss机器人已能自主完成城市道路的导航、避障、交通规则遵守等任务，验证了复杂动态环境下机器人自主行驶的可行性，也为后续自动驾驶技术的发展奠定了基础。

进入2020年以来，以人形机器人、具身智能为代表的机器人技术进入爆发期：波士顿动力公司的Atlas双足机器人已能完成跑跳、后空翻、搬运重物等高动态动作，特斯拉Optimus人形机器人实现了基于大模型的自然语言指令理解与自主任务执行，国际机器人联合会数据显示，2023年全球工业机器人存量突破409万台，服务机器人市场规模超过220亿美元，机器人技术正在从“专用场景的自动化设备”向“通用场景的智能体”演进^[3]。

1.2 机器人系统的通用架构

尽管不同应用场景的机器人形态差异极大——从几厘米的微型无人机到数吨重的工业机械臂，从双足人形机器人到火星探测车，但所有机器人的核心逻辑均遵循“感知-决策-执行”的闭环架构：机器人首先通过传感器采集自身状态与外部环境信息，决策系统基于信息完成推理与规划，生成控制指令后通过执行器与环境产生物理交互，同时执行器的状态与交互后的环境变化会被传感器再次采集，形成闭环反馈，从而实现动态环境下的自主适应。

```mermaid graph TD A[外部环境] --> B[感知子系统] C[机器人自身状态] --> B B --> D[决策子系统] D --> E[执行子系统] E --> A E --> C %% 节点标注 B[感知子系统<br/>(传感器层: 摄像头、激光雷达、IMU、编码器等)] D[决策子系统<br/>(算法层: 任务规划、运动规划、控制算法)] E[执行子系统<br/>(执行层: 驱动器、末端执行器)] ```

1.2.1 感知子系统：机器人的“五官与本体感觉”

感知子系统的核心功能是完成机器人自身状态与外部环境的信息采集，是机器人实现自主决策的基础。根据感知对象的不同，可将其分为内部感知与外部感知两类：

• 内部感知解决“机器人自身在哪里、状态是什么”的问题，是机器人实现自我认知的核心。常见的内部感知传感器包括：关节编码器，用于测量机器人关节的旋转角度与转速，通常采用光电编码器原理，即通过光电信号转换计算旋转轴转过的脉冲数，进而换算为角度值，其核心公式为$\theta = \frac{N}{N_0} \times 360^\circ$，其中$N$为采集到的脉冲数，$N_0$为编码器每圈的固有脉冲数；惯性测量单元（IMU），内置加速度计与陀螺仪，可测量机器人三轴的加速度、角速度，进而推算机器人的姿态、位移变化；轮式里程计，通过测量轮子的转速与转过的圈数，推算移动机器人的位移与航向角。内部感知的核心价值是为机器人提供实时的自身状态反馈，是闭环控制的基础。
• 外部感知解决“机器人周围的环境是什么样的、存在哪些物体与障碍物”的问题，是机器人实现环境交互的核心。常见的外部感知传感器包括：视觉传感器，包括普通RGB摄像头、深度相机（RGB-D相机），前者可采集环境的颜色、纹理信息，用于目标识别、语义分割，后者可同时获取环境的RGB信息与深度信息，直接生成三维点云，用于三维重建、障碍物检测；激光雷达（LiDAR），通过发射激光束并测量反射时间计算距离，旋转扫描后可生成周围环境的三维点云地图，抗干扰能力强，是扫地机器人、自动驾驶汽车的核心感知传感器；力/力矩传感器，用于测量机器人末端与环境接触时的力与力矩，是手术机器人、装配机器人实现精细力控制的基础；此外还有用于声源定位的麦克风阵列、用于气体泄漏检测的嗅觉传感器等专用感知设备。

> 📌 侧边栏：多传感器融合的必要性 > 单一传感器存在固有局限性：摄像头在弱光、强光环境下成像质量差，激光雷达在雨、雪、雾天气下探测距离大幅衰减，IMU存在累计漂移误差。因此实际机器人系统中通常采用多传感器融合方案，例如自动驾驶汽车会同时搭载摄像头、毫米波雷达、激光雷达，通过融合不同传感器的优势弥补单一传感器的缺陷，实现全天候、全场景的稳定感知。

1.2.2 决策子系统：机器人的“大脑”

决策子系统的核心功能是对感知子系统采集的信息进行加工处理，生成机器人的动作指令，其决策逻辑通常按照“任务-运动-控制”的三层架构设计：

• **高层决策（任务规划层）** 关注“要做什么”，负责将用户给定的抽象任务拆解为可执行的子任务序列。例如用户给家庭服务机器人下达“去厨房拿一个苹果”的指令，高层决策模块需要首先理解指令的语义，进而拆解为“导航到厨房-识别苹果的位置-规划抓取动作-抓取苹果-导航返回用户位置”的子任务序列，常用的任务规划方法包括有限状态机、行为树、基于大模型的语义推理等。
• **中层决策（运动规划层）** 关注“怎么做”，负责将高层任务转换为机器人可执行的运动轨迹。例如导航任务中，中层决策需要先基于全局地图规划从当前位置到目标位置的全局最优路径，再基于实时感知到的动态障碍物（如突然出现的人、宠物）规划局部避障轨迹，同时满足机器人运动学约束（如最大速度、转向半径、关节限位等）。常见的运动规划算法包括全局路径规划用的A*算法、Dijkstra算法，局部路径规划用的动态窗口法（DWA）、时间弹性带（TEB），机械臂轨迹规划用的快速扩展随机树（RRT）、概率路标图（PRM）等。
• **底层决策（控制层）** 关注“怎么精确实现”，负责将中层生成的运动轨迹转换为机器人执行器可识别的具体控制指令，同时通过反馈补偿误差、抑制干扰。例如机械臂抓取任务中，底层控制需要保证关节的角度跟踪误差不超过0.1度，即使受到外部扰动（如被人轻轻触碰）也能快速恢复目标姿态。常见的控制算法包括传统的PID控制、自适应控制，以及现代控制理论中的模型预测控制（MPC）、鲁棒控制等。

1.2.3 执行子系统：机器人的“四肢”

执行子系统的核心功能是将决策系统生成的控制指令转换为物理动作，与环境产生交互，是机器人实现物理能力的核心。根据功能的不同，可将其分为驱动器与末端执行器两类：

• 驱动器是机器人的动力源，负责将控制指令转换为机械运动。常见的驱动器包括：伺服电机，内置位置、速度、力矩反馈，精度高、响应快，是工业机械臂、协作机器人的主流驱动方案；液压驱动器，通过高压油液驱动活塞运动，功率密度高、输出力矩大，适合波士顿动力Atlas等需要高动态性能的四足机器人、重型工业机器人；气动驱动器，通过压缩空气驱动，成本低、结构简单，适合简单的夹具、开关阀等低精度场景。
• 末端执行器是机器人最末端的交互部件，直接与环境中的物体接触。常见的末端执行器包括：夹爪，包括二指夹爪、多指灵巧手，用于抓取不同形状的物体，例如特斯拉Optimus人形机器人的多指灵巧手可完成握杯、拧瓶盖等精细动作；专用作业工具，如工业焊接机器人的焊枪、3C装配机器人的螺丝刀、手术机器人的手术钳；吸附式执行器，如吸盘，用于搬运薄板、玻璃等平整物体。

> 📌 侧边栏：协作机器人与传统工业机器人的核心区别 > 传统工业机器人通常在围栏内工作，与人类隔离，执行高速、高负荷的重复任务，不具备力反馈能力；而协作机器人内置力/力矩传感器，一旦检测到接触力超过安全阈值（通常为10-150N）会立即停止运动，可与人类在同一空间内协同工作，广泛应用于小批量、多品种的生产场景。

1.2.4 三大子系统的闭环关联

感知、决策、执行三大子系统并非单向的线性关系，而是通过反馈机制形成闭环：感知子系统不仅为决策子系统提供环境信息，同时采集执行子系统的状态信息（如关节角度、轮速）反馈给决策层，决策层基于反馈信息调整控制指令，最终通过执行子系统作用于环境，环境的变化又会作为新的感知输入进入决策层。这种闭环结构是机器人实现自主适应能力的核心：例如扫地机器人感知到前方出现新的障碍物（如宠物），决策层会立即重新规划避障路径，执行层调整轮子转向，同时轮式里程计与IMU会持续反馈机器人的位移与姿态，感知层同步更新环境地图，整个过程在毫秒级完成，从而实现动态环境下的稳定作业。

1.3 机器人的常见分类

根据不同的划分标准，机器人可划分为多种类型，面向初学者的常见分类方式包括按应用场景、移动方式、智能化程度三类： 1. 按应用场景分类：是最常用的分类方式，直接对应机器人的核心用途。①工业机器人：应用于制造业的焊接、搬运、码垛、装配等场景，根据结构可分为关节型、SCARA型、Delta型、直角坐标型四类，其中关节型工业机器人应用最广，约占全球工业机器人存量的70%^[4]；②服务机器人：应用于非制造场景的服务类任务，包括家庭服务机器人（扫地机器人、擦窗机器人）、商用服务机器人（酒店配送机器人、巡检机器人）、医疗康复机器人（手术机器人、康复外骨骼、护理机器人）；③特种机器人：应用于特殊危险或极端环境的机器人，包括空间机器人（火星车、空间站机械臂）、水下机器人（遥控水下机器人ROV、自主水下机器人AUV）、排爆机器人、消防机器人等；④农业机器人：应用于农业生产的植保无人机、采摘机器人、除草机器人等。 2. 按移动方式分类：对应机器人的运动能力。①固定基座机器人：以工业机械臂为代表，基座固定在地面或工作台上，仅末端关节可运动，作业精度高但活动范围有限；②轮式移动机器人：以AGV、自动驾驶汽车、扫地机器人为代表，运动平稳、速度快、能耗低，但仅能在平整路面行驶，无法适应楼梯、碎石等复杂地形；③足式机器人：以双足、四足机器人为代表，可适应楼梯、碎石、泥地等非结构化地形，运动灵活性高，但控制难度大、能耗高；④履带式机器人：以排爆机器人、勘探机器人为代表，越野能力强，可适应泥地、雪地等复杂地形，但速度慢、对路面平整度要求较高；⑤飞行机器人：以无人机为代表，可实现三维空间的无障碍运动，适用于航拍、巡检、物流等场景。 3. 按智能化程度分类：对应机器人的自主能力水平。①第一代：示教再现型机器人，即传统工业机器人，仅能重复人工示教预设的动作序列，无法感知环境、自主决策；②第二代：感知型机器人，具备基础的环境感知能力，可基于传感器信息调整动作，例如带视觉的装配机器人可识别零件的偏移位置，自动调整抓取轨迹；③第三代：自主型机器人，具备完整的感知-决策-执行闭环能力，可在复杂动态环境中自主完成任务，例如自动驾驶汽车、火星探测车，无需人工干预即可完成导航、避障、任务执行等全流程操作。

1.4 机器人学的

1.4 机器人学的核心研究内容与关键技术体系

机器人学的核心研究目标是实现机器人在非结构化、动态变化的环境中的自主作业能力，其技术体系可拆解为五大核心模块，各模块相互耦合、缺一不可：机器人运动学、机器人动力学、机器人感知技术、机器人规划技术、机器人控制技术，共同构成机器人从“能动”到“会动”再到“精准动”的技术底座。

1.4.1 机器人运动学：描述机器人的“位姿与运动规律”

机器人运动学的核心是研究机器人各部件的位置、速度、加速度与关节运动之间的几何关系，不涉及力、质量等动力学因素，是机器人设计、仿真的基础。根据研究目标的不同，运动学可分为正运动学与逆运动学两个核心问题：

• 正运动学：已知机器人所有关节的角度、角速度等输入量，计算机器人末端执行器（如机械臂的末端法兰、移动机器人的重心）在空间中的位置、姿态（统称位姿）。以最基础的二连杆平面机械臂为例，设两个连杆的长度分别为$l_1$、$l_2$，关节1与关节2的旋转角度分别为$\theta_1$、$\theta_2$，则末端执行器的二维坐标为：

$$ \begin{cases} x = l_1 \cos\theta_1 + l_2 \cos(\theta_1 + \theta_2) \\ y = l_1 \sin\theta_1 + l_2 \sin(\theta_1 + \theta_2) \end{cases} $$ 正运动学的核心价值是“知道关节动多少，就能知道末端去哪”，是机器人仿真、轨迹验证的基础。

• 逆运动学：已知机器人末端执行器的目标位姿，反推各关节需要到达的角度、角速度等输入量。逆运动学是机器人实现精准作业的核心：例如工业机械臂需要将螺栓精准拧入指定孔位时，首先需要根据孔位的三维坐标反推每个关节需要旋转的角度，才能生成对应的控制指令。逆运动学的求解难度远高于正运动学：对于六轴工业机械臂这类高自由度的冗余机器人，同一个末端位姿可能对应多组关节角度解，需要结合避障、能耗等约束选择最优解。

> 📌 侧边栏：正逆运动学的工程应用场景 > 正运动学常用于机器人仿真验证：工程师在虚拟环境中输入关节运动指令，通过正运动学计算末端轨迹，判断是否与周边设备发生碰撞，无需实体样机即可完成早期验证；逆运动学则直接用于实体机器人的作业控制：协作机器人装配手机零件时，视觉系统识别到零件的偏移坐标后，通过逆运动学反推关节调整量，即可实现自动校准抓取位置。

1.4.2 机器人动力学：描述机器人的“力与运动的关系”

如果说运动学只关注“位置、速度、加速度”的几何关系，动力学则进一步研究产生这些运动所需的力、力矩与负载、惯性之间的关系，核心是解决“要动起来需要多大的力、受到扰动后如何恢复”的问题。机器人动力学的建模通常采用两种主流方法：

• 牛顿-欧拉法：基于牛顿第二定律$F=ma$、欧拉旋转定律$\tau=I\alpha$，从机器人的每个连杆的受力、受力矩出发，逐级推导末端需要的驱动力矩，计算效率高，适合实时控制场景。
• 拉格朗日法：基于能量守恒原理，通过系统的动能、势能推导动力学方程，建模过程更简洁，适合复杂结构的机器人（如多足机器人、柔性机器人）的建模。

动力学的核心价值是解决机器人作业的精度与稳定性问题：例如工业机械臂抓取10kg的重物时，若不考虑负载的惯性，关节电机的输出力矩不足会导致末端出现明显的跟踪误差；四足机器人被外力推搡时，基于动力学模型可以快速计算需要施加的关节力矩，实现快速恢复平衡。当前机器人动力学的研究热点是考虑柔性关节、柔性连杆的动力学建模，解决高速、高负载场景下的振动、精度衰减问题。

1.4.3 机器人感知技术：赋予机器人“看懂、听懂环境的能力”

感知技术是机器人实现自主决策的前提，其核心目标是从传感器采集的原始数据中提取有用的环境与自身状态信息。当前机器人感知技术的研究重点已从传统的单传感器检测向多传感器融合、语义感知方向发展：

• 传统感知技术：核心是完成环境中的障碍物检测、自身状态估计。例如2D激光SLAM技术已广泛应用于扫地机器人，通过激光雷达采集的周围障碍物距离数据，构建家庭环境的地图，同时估计机器人在地图中的位置，定位精度可达±1cm；IMU与轮式里程计的融合定位，通过卡尔曼滤波算法补偿单一传感器的误差，为移动机器人提供高频的自身位姿反馈，其核心预测-更新流程为：

$$ \begin{cases} \text{预测步骤：} \hat{x}_{k|k-1} = F_k \hat{x}_{k-1|k-1} + B_k u_k, \quad P_{k|k-1} = F_k P_{k-1|k-1} F_k^T + Q_k \\ \text{更新步骤：} K_k = P_{k|k-1} H_k^T (H_k P_{k|k-1} H_k^T + R_k)^{-1}, \quad \hat{x}_{k|k} = \hat{x}_{k|k-1} + K_k (z_k - H_k \hat{x}_{k|k-1}) \end{cases} $$ 其中$\hat{x