联系销售
返回Learn

机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机器人机

机器人学习工程师与机器人工作的机器人学习技术知识 <unk>前进/逆转机器人技术,雅可比亚人,动作空间.

[←学习]

机器人手臂的使用不需要机器人博士学位,但你需要了解关节角与卡特西亚运动的关系.

为什么机械工程师需要动态技术

当你训练机器人学习政策时,你必须选择一个 action space:你的网络输出数量和它们对机器人意味着什么.这个选择 联合角与卡特西亚地角与终端效应的姿势 直接影响你的政策是多么通用,是否可能造成硬件损坏,以及学习问题是多么容易.

尽管你从来没有写过一个动力学解决器,但你会花时间去调试为什么你的政策的输出导致机器人以意想不到的方式移动.

未来的动画

**前进动力学 (FK) **答案:鉴于机器人的关节角,终端效应器在哪里?

形式上:输入是关节角向量T0 (每关节一个角);输出是终端效应符姿势T1,一个4×4同质转换,编码位置 (x,y,z) 和方向 (转动矩阵3×3).

通过乘以每关节变化的链接计算FK,每个变量都来自手臂的 Denavit-Hartenberg (DH) 参数.这是一个确定性,快速,闭式计算.

逆转动态

**反向动力学 (IK) **回答反向问题:鉴于所需的终端效应物姿势,什么结合角度实现它?

这有三个原因:

  • **非独特性:**多个关节配置往往达到相同的卡特斯式姿势.一个7DOF臂对于大多数姿势都有无限多种解决方案.
  • **非线性:**FK方程是非线性 (它们涉及关节角的三角形函数),因此 IK不能通过简单的矩阵逆转来解决.
  • 没有解决方案: 某些想要的姿势位于可达成的工作空间之外.

IK 解决方法是分析式 (用于特定臂几何学的封闭式公式, 快速但特定于臂) 或数量式 (反复的基于Jacobian的方法, 具有一般目的, 但更慢, 可能会接近本地最小值). ROS2 的KDL和IKFast解决器以及Python T3库为您提供了解决方案.

雅可比人矩阵

T4是机器人政策工作的 ML 工程师最重要的概念.

它描述了关节角的小变化如何转化为最终效应的卡特西亚位置和方向的小变化:

ẋ = J(q) · q̇

在此,T6是终端效应器速度 (3转换式 + 3旋转) 和T7是联合速度向量.

在实践中,雅可比语存在两个背景:

  • **伺服模式电操作:**操作员发送所需的卡特西亚速度 (例如",在+x方向移动5mm/s").控制器使用J的伪逆算法来计算所需的联合速度: T8.
  • **政策行动空间:**卡特西亚三角形行动隐含使用Jacobian 机器人控制器将您的T9命令转换为内部的联合运动.

特殊性

单一性是一个联合配置,其中雅可比人失去了全级,这意味着机器人不管它如何移动关节,都不能在某些卡特西亚方向移动.

在实践中,奇异性导致两个问题: (1) IK解决方案在奇异性附近变得数量不稳定,产生了巨大的突然关节运动; (2) 雅可比亚伪逆转机器人接近奇异性时产生了任意大的关节速度.

** 工作场所设计和政策培训环境中,保持至少30°的距离已知单独配置.

机器人学习的行动空间选择

动作空间 Intuitive? Generalizable? Needs IK? Typical Use
Absolute joint angles (q) No Low (arm-specific) No ALOHA, ACT baseline
Absolute Cartesian pose (x,y,z,R) Yes Moderate Yes 操纵 research
Cartesian delta (Δx,Δy,Δz,Δ rotation) Yes High Yes (incremental) Most modern IL policies
Relative to object pose Yes Very high Yes Generalizable grasping
Waypoints (sparse) Yes High Yes Long-horizon tasks

对于大多数开始的 ML 实践者来说:使用卡特西亚三角形操作.它们是直观的 (网络输出"移动2mm左"),它们比绝对关节角更好地概括 (没有与特定的臂配置结合),现代机器人控制器在内部处理IK.只需要最大速度或使用没有良好的IK解决器的臂部时才会转换到关节空间操作.

了解更多关于手臂硬件和如何开始的信息,请参阅 OpenArm文档.