机器人学概述与数学基础 | Introduction to Robotics and Mathematical Foundations

机器人学概述与数学基础

机器人学作为一门融合机械工程、电子工程、计算机科学、人工智能等多学科的综合性学科，正在经历前所未有的快速发展。从工业生产线上的自动化机械臂到服务家庭的智能机器人，从深空探测的移动平台到微创手术的医疗设备，机器人技术已经渗透到社会生产的方方面面。作为具身智能的核心载体，机器人不仅需要具备感知环境的能力，更需要具备理解、推理、规划和执行任务的能力，而这些能力的实现都建立在坚实的数学基础之上。本章将首先带读者回顾机器人学的发展历程，梳理其研究范畴和应用场景，随后系统介绍本书后续内容所需的数学工具，包括向量与矩阵运算、李群与李代数、概率论基础和优化理论概述，最后探讨机器人的典型系统架构，为深入学习感知、规划和控制算法奠定基础。

机器人学的发展历程

机器人学的诞生与发展与工业自动化的需求密切相关。1920年，捷克作家卡雷尔·恰佩克在其科幻剧本《罗萨姆的万能机器人》中首次创造了“Robot”一词，这个源自捷克语“Robota”（意为劳役、苦工）的词汇准确预示了机器人最初的角色定位——代替人类从事繁重、危险的工作。1954年，美国工程师乔治·德沃尔申请了世界上第一台可编程工业机器人专利，提出了“程序化物料运输”的概念。1961年，美国通用汽车公司安装了世界上第一条工业机器人生产线，标志着机器人技术正式进入工业应用时代。这一时期的机器人主要采用示教再现的工作模式，通过人工引导完成动作轨迹的记录，随后自动重复执行，这种简单直接的方式虽然限制了机器人的应用范围，却开启了工业自动化的新篇章。

进入二十世纪七八十年代，机器人学开始从单纯的自动化执行工具向智能化方向演进。斯坦福研究院（现斯坦福国际咨询研究所）的科学家们在这一时期做出了开创性贡献，他们研发的Shakey移动机器人是世界上第一台具备感知、规划和控制能力整合的智能机器人。Shakey项目首次将计算机视觉、自然语言处理和路径规划等多项技术融合在一起，解决了在复杂环境中移动和完成任务的难题，尽管其处理能力在今天看来十分有限，但它确立的研究范式影响深远。同一时期，日本学者牧野洋主持开发了六轴电动伺服控制机器人，开创了精密工业机器人的新时代。此后，随着传感器技术的进步，特别是视觉传感器和力觉传感器的实用化，机器人开始具备更强的环境感知能力，视觉引导抓取、力控装配等应用逐渐成为可能。

二十一世纪以来，机器人学进入了智能化与自主化的新阶段。深度学习技术的突破为机器人感知带来了革命性变化，卷积神经网络使机器人能够从原始图像中提取高层语义特征，目标检测、图像分割、姿态估计等视觉任务的精度大幅提升。强化学习的引入则使机器人能够通过与环境的交互学习复杂技能，摆脱了对精确物理模型的依赖。2016年以来，以波士顿动力公司的Atlas双足机器人为代表的运动控制技术取得了显著进展，机器人已经能够完成后空翻、跑酷等高难度动作，展示出卓越的平衡控制和全身协调能力。与此同时，服务机器人、医疗机器人、特种机器人等新兴应用领域蓬勃发展，机器人正在从工业场景走向更加多样化的日常生活场景。

近年来，大语言模型和视觉-语言-动作模型的兴起为机器人智能带来了新的可能性。研究人员开始探索如何利用大规模预训练模型赋予机器人自然语言理解、常识推理和任务分解能力，使机器人能够理解自然语言指令并将其转化为可执行的动作序列。这种端到端的学习范式有望从根本上改变机器人编程和控制的方式，降低机器人部署的门槛。然而，具身智能的实现仍然面临诸多挑战，包括如何在非结构化环境中实现鲁棒感知、如何在有限样本下高效学习新技能、如何确保复杂场景下的安全性和可靠性等，这些问题构成了当前机器人学研究的核心前沿，也正是本书致力于探讨的核心内容。

机器人学的研究范畴

机器人学的研究范畴可以大致划分为机构与设计、运动学与动力学、感知与理解、规划与决策、控制与执行、人机交互六大领域，这些领域相互关联、协同作用，共同支撑起完整的机器人系统。

机构与设计研究机器人的机械结构、关节配置和执行器选型。根据应用需求的不同，机器人可以采用串联结构（如工业六轴机械臂）、并联结构（如Stewart平台）、轮式移动结构、腿式移动结构、仿生结构等多种形态。每种结构都有其特定的运动能力和工作空间，设计时需要在自由度数量、运动范围、负载能力、精度要求和成本之间进行权衡。软体机器人作为近年来兴起的新方向，通过柔性材料和变刚度机构实现与环境的安全交互，在医疗辅助和人机协作场景中展现出独特优势。

运动学与动力学研究机器人运动的几何关系和物理规律。运动学关注关节空间与操作空间之间的映射关系，包括正运动学（已知关节角度求末端位姿）和逆运动学（已知末端位姿求关节角度）两类基本问题。对于串联机构，正运动学可以通过建立齐次变换链逐步推导，逆运动学则往往涉及非线性方程组的求解，需要借助数值方法或几何分析。动力学则进一步考虑力和力矩的作用，研究关节驱动力与末端运动轨迹之间的关系，常用的建模方法包括牛顿-欧拉递推法和拉格朗日方程法。运动学和动力学构成了轨迹规划、力控制等上层算法的基础。

感知与理解是机器人获取环境信息和构建世界模型的核心能力。机器人通过安装的各种传感器感知自身状态和外部环境，典型配置包括视觉传感器（单目、双目、深度相机）、触觉传感器、力矩传感器、IMU（惯性测量单元）、编码器、激光雷达等。感知算法对原始传感器数据进行预处理、特征提取和语义理解，输出障碍物位置、物体类别、空间结构等高层信息。近年来，SLAM（即时定位与地图构建）技术已经相当成熟，机器人能够在未知环境中同时实现自身定位和环境建模。在感知基础上，机器人还需要理解场景的语义内容、各物体之间的空间关系、人类的意图和动作等，这就涉及到场景图构建、意图识别、行为理解等高级感知任务。

规划与决策研究如何在给定任务和环境下生成可执行的动作序列或运动轨迹。任务规划将高层任务分解为可执行的子任务序列，常用方法包括状态空间搜索、HTN（层次任务网络）规划、基于学习的方法等。运动规划则关注如何在连续空间中找到从起始构型到目标构型的无碰撞路径，经典算法包括RRT（快速随机搜索树）、PRM（概率路图法）、人工势场法等。对于多机器人系统，还需要考虑任务分配和协调问题。规划算法需要在搜索效率和解的质量之间取得平衡，在动态环境中还需要具备重规划和实时响应的能力。

控制与执行将规划结果转化为具体的控制信号并驱动机器人执行。控制器的设计需要在跟踪精度、响应速度、鲁棒性之间进行权衡。传统的PID控制结构简单、易于实现，适用于大多数点位控制场景；对于高精度需求，可以采用计算力矩控制、前馈补偿等方法。鲁棒控制和自适应控制能够处理模型不确定性和外部扰动。在力控制场景中，阻抗控制和力位混合控制是两种主流方法，前者通过建立末端位置与接触力之间的动态关系实现柔顺交互，后者则在位置控制和力控制之间进行切换。近年来，基于学习的控制方法，如强化学习控制器，展现出处理复杂动力学和未知环境的能力，成为研究热点。

人机交互研究人类与机器人之间的信息交换和协作方式。按交互模态划分，可以分为物理交互和认知交互两类。物理交互包括手动示教、力觉引导、协作搬运等，人类通过直接接触或远程操作与机器人进行物理层面的协作。认知交互则涉及语音指令、手势识别、眼神追踪等多种自然交互方式，使机器人能够理解人类意图并给出适当反馈。协作机器人作为人机交互的重要应用形态，通过安全传感、力矩限制和碰撞检测等技术确保与人类工作时的安全性，正在逐步取代传统工业机器人成为中小企业自动化的首选方案。

机器人的典型应用场景

工业制造是机器人技术最成熟、应用最广泛领域。汽车制造是最具代表性的场景，焊接、喷涂、装配等工序已基本实现机器人自动化，一条典型的汽车生产线可能配置数十甚至上百台工业机器人，协同完成从车身冲压、焊装、涂装到总装的全部流程。电子制造业对精密装配提出了更高要求，以手机装配为例，SMT贴片、外壳组装、屏幕贴合等工序均已引入专用装配机器人。随着制造业向小批量、多品种的柔性生产模式转型，协作机器人在这一趋势中扮演着越来越重要的角色，它们能够与人类工人在同一空间内安全协作，快速适应产品变更和工艺调整。

医疗健康是机器人技术最具社会价值的应用方向之一。手术机器人已经实现了从实验室到临床的跨越，达芬奇手术系统是当前最成功的商业化产品，截至2023年全球累计装机量已超过7500台，完成手术超过1000万例，其主从式架构使外科医生能够通过立体视觉和高精度操作器械完成复杂的微创手术。康复机器人帮助中风、脊髓损伤等运动功能障碍患者进行运动功能恢复训练，通过精确控制力和运动轨迹，提供可量化、可重复的康复方案。假肢和外骨骼机器人则为截肢患者和运动损伤人群提供运动辅助和功能替代。此外，医疗物流、配药、消毒等辅助场景也在逐步引入机器人解决方案。

服务机器人在日常生活中扮演着越来越重要的角色。清洁机器人是最早实现大规模普及的服务机器人品类，扫地机器人和商用清洁机器人已经进入千家万户和各类公共场所，它们通过SLAM技术构建环境地图，规划清扫路径，并具备避障和自动回充能力。配送机器人正在改变物流最后一公里的配送模式，从餐厅送餐到酒店配送，从校园快递到社区物流，各种形态的配送机器人已经投入实际运营。陪伴机器人在养老护理、儿童教育、心理疏导等场景中发挥着情感交互的作用，尽管其智能化水平仍有待提升，但市场增长潜力巨大。餐饮服务、酒店接待、商业导览等场景也在逐步引入服务机器人，承担迎宾咨询、信息查询、引导带路等功能。

特种作业环境是机器人不可替代的应用领域。在危险和恶劣环境中，机器人能够代替人类完成任务，保障人员安全。核电站退役和废料处理需要耐辐射的特种机器人，在核事故应急响应中，排爆机器人能够代替人工处理可疑爆炸物。在地震、火灾等灾害救援中，废墟搜索机器人和灭火机器人能够进入人类无法进入的灾害现场，进行生命探测和灭火作业。深海和太空探索是机器人技术的重要应用方向，水下机器人在海底资源勘探、海底管道维护、沉船打捞等任务中发挥着关键作用；火星探测器毅力号和祝融号则是太空机器人的典型代表，它们在遥远的星球表面自主执行科学探测任务。农业机器人是近年来的新兴方向，包括采摘机器人、除草机器人、植保无人机等，它们面对非结构化的农业环境，需要具备识别、分拣和精细操作的能力。

向量与矩阵运算基础

向量和矩阵是描述机器人状态和运动的基本数学工具。在机器人学中，向量既可以表示空间中的点或方向（如末端执行器位置、机械臂关节角度），也可以表示物理量（如力、速度）。向量空间的基本运算包括加法、数乘、内积和外积，这些运算构成了后续讨论的基础。给定两个$n$维向量$\mathbf{a} = [a_1, a_2, \ldots, a_n]^T$和$\mathbf{b} = [b_1, b_2, \ldots, b_n]^T$，它们的内积定义为：

$$\mathbf{a} \cdot \mathbf{b} = \mathbf{a}^T \mathbf{b} = \sum_{i=1}^{n} a_i b_i = \|\mathbf{a}\| \|\mathbf{b}\| \cos\theta$$

其中$\theta$是两向量之间的夹角。内积的几何意义在于它反映了向量在另一个向量方向上的投影长度，这一性质在计算关节力矩、判断碰撞方向等场景中十分有用。两个三维向量之间的外积则定义为：

$$\mathbf{a} \times \mathbf{b} = \begin{bmatrix} a_2 b_3 - a_3 b_2 \\ a_3 b_1 - a_1 b_3 \\ a_1 b_2 - a_2 b_1 \end{bmatrix}$$

外积的结果是一个同时垂直于两个输入向量的向量，其模长等于两向量构成平行四边形的面积。外积在刚体旋转分析中具有重要作用，例如刚体的角速度就可以通过角速度向量与位置向量的外积来计算刚体上各点的线速度。

矩阵作为向量的线性变换表示，在机器人学中无处不在。在二维或三维空间中，旋转矩阵是最常用的变换矩阵类型。一个$3 \times 3$的旋转矩阵$\mathbf{R}$满足以下性质：

$$\mathbf{R}^T \mathbf{R} = \mathbf{I}, \quad \det(\mathbf{R}) = 1$$

第一个条件称为正交性，第二个条件确保旋转不产生镜像反转（即保持右手坐标系）。旋转矩阵的九个元素并非独立，其自由度仅为三个，这一约束在参数化表示和优化问题中需要特别注意。常见的旋转矩阵参数化方法包括欧拉角、轴角和李代数表示等，我们将在后续章节中详细讨论。

刚体变换矩阵（也称为齐次变换矩阵）是另一种在机器人学中极为重要的矩阵形式，它同时包含旋转信息和平移信息：

$$\mathbf{T} = \begin{bmatrix} \mathbf{R} & \mathbf{p} \\ \mathbf{0}^T & 1 \end{bmatrix} = \begin{bmatrix} r_{11} & r_{12} & r_{13} & p_x \\ r_{21} & r_{22} & r_{23} & p_y \\ r_{31} & r_{32} & r_{33} & p_z \\ 0 & 0 & 0 & 1 \end{bmatrix}$$

其中$\mathbf{R}$是$3 \times 3$旋转矩阵，$\mathbf{p}$是$3 \times 1$平移向量。通过齐次变换，可以将刚体在不同坐标系之间的位姿变换统一表示为矩阵乘法运算，这为链式运动学计算提供了极大便利。

矩阵的求导是机器人动力学和控制理论中的核心运算。向量函数对标量的导数定义为各分量对标量导数组成的向量，向量对向量的导数则产生雅可比矩阵。对于函数$\mathbf{f}: \mathbb{R}^n \rightarrow \mathbb{R}^m$，其雅可比矩阵定义为：

$$\mathbf{J} = \frac{\partial \mathbf{f}}{\partial \mathbf{x}} = \begin{bmatrix} \frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \cdots & \frac{\partial f_1}{\partial x_n} \\ \frac{\partial f_2}{\partial x_1} & \frac{\partial f_2}{\partial x_2} & \cdots & \frac{\partial f_2}{\partial x_n} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial f_m}{\partial x_1} & \frac{\partial f_m}{\partial x_2} & \cdots & \frac{\partial f_m}{\partial x_n} \end{bmatrix}$$

雅可比矩阵在机器人学中有多重重要作用：它建立了关节空间速度与操作空间速度之间的线性映射，是速度级逆运动学求解的基础；它也用于分析操作空间的可控性和灵巧性，最大奇异值和最小奇异值的比值（条件数）以及可操作度椭圆体等概念都依赖于雅可比矩阵的奇异值分解。

李群与李代数

李群和其对应的李代数是描述连续旋转和刚体变换的优雅数学框架，在现代机器人学中扮演着核心角色。旋转矩阵的集合$SO(3)$和刚体变换的集合$SE(3)$都是典型的李群，它们既具有群的结构（满足封闭性、结合性、单位元存在和逆元存在），又具有光滑流形的结构，这使得我们可以在其上定义微分运算。

$SO(3)$是三维空间旋转矩阵的集合，定义为：

$$SO(3) = \{\mathbf{R} \in \mathbb{R}^{3 \times 3} | \mathbf{R}^T \mathbf{R} = \mathbf{I}, \det(\mathbf{R}) = 1\}$$

$SO(3)$的李代数$\mathfrak{so}(3)$由所有$3 \times 3$反对称矩阵组成：

$$\mathfrak{so}(3) = \{\boldsymbol{\Phi} = \boldsymbol{\phi}^\wedge \in \mathbb{R}^{3 \times 3} | \boldsymbol{\phi} \in \mathbb{R}^3\}$$

其中斜杠算子$\wedge$将三维向量映射为反对称矩阵：

$$\boldsymbol{\phi}^\wedge = \begin{bmatrix} 0 & -\phi_3 & \phi_2 \\ \phi_3 & 0 & -\phi_1 \\ -\phi_2 & \phi_1 & 0 \end{bmatrix}$$

与$\wedge$算子相对应，vee算子$\vee$执行相反的映射。$\mathfrak{so}(3)$的元素与三维空间中的旋转向量一一对应，这使得我们可以将旋转向量视为李代数$\mathfrak{so}(3)$中的元素。指数映射建立了李代数与李群之间的联系：

$$\mathbf{R} = \exp(\boldsymbol{\phi}^\wedge) = \mathbf{I} + \frac{\sin\theta}{\theta}\boldsymbol{\phi}^\wedge + \frac{1 - \cos\theta}{\theta^2}(\boldsymbol{\phi}^\wedge)^2$$

其中$\theta = \|\boldsymbol{\phi}\|$是旋转向量的模长。当$\theta$较小时，上式可通过泰勒展开近似计算。对数映射则是指数映射的逆：

$$\boldsymbol{\phi} = \log(\mathbf{R})^\vee = \begin{cases} \frac{\theta}{2\sin\theta}(\mathbf{R} - \mathbf{R}^T)^\vee, & \theta \neq 0 \\ \mathbf{0}, & \theta = 0 \end{cases}$$

其中$\theta = \arccos\left(\frac{\text{trace}(\mathbf{R}) - 1}{2}\right)$。

$SE(3)$是三维空间刚体变换的集合，定义为：

$$SE(3) = \left\{ \mathbf{T} = \begin{bmatrix} \mathbf{R} & \mathbf{p} \\ \mathbf{0}^T & 1 \end{bmatrix} \middle| \mathbf{R} \in SO(3), \mathbf{p} \in \mathbb{R}^3 \right\}$$

其对应的李代数$\mathfrak{se}(3)$是一个六维向量空间，元素称为 Twist，可表示为：

$$\boldsymbol{\xi}^\wedge = \beg