3. 执行器与驱动

好，到了这一章，我们终于要让机械臂「活」过来了。前面两章我们把模型搭好、参数设好，但如果没有执行器，它就是一具漂亮的骨架。执行器，说白了就是给关节装上的「肌肉」。

MuJoCo 里的执行器类型有好几种，每种对应不同的控制方式。我最早接触的时候，以为随便选一个就行，结果仿真出来的机械臂要么抖得像筛糠，要么根本推不动。后来才明白——选对类型、调好增益，才是仿真的核心。

3.1 执行器的四种基本类型

MuJoCo 支持四种最常用的执行器类型。我习惯把它们分成两类：力驱动和运动驱动。

类型	控制量	典型场景	我的经验
motor	力/扭矩	关节直接力矩控制	最常用，适合做底层控制
position	目标位置	位置伺服控制	需要配合高增益，否则有静差
velocity	目标速度	速度伺服控制	适合做轨迹跟踪的中间层
intvelocity	积分速度	无静差速度控制	我一般不用，除非有特殊需求

3.2 增益与时间常数——执行器的「脾气」

每种执行器都有两个关键参数：增益（gain）和时间常数（timeconst）。这两个参数决定了执行器的响应特性。

增益，你可以理解为「放大倍数」。增益越大，执行器对控制信号的响应越猛。但增益不是越大越好——我在一个六轴机械臂项目里，把增益调得太高，结果仿真直接炸了，关节像疯了一样乱甩。

时间常数，则是执行器的「反应速度」。时间常数越小，响应越快；越大，响应越慢，像泡在水里一样迟钝。

参数	含义	调大效果	调小效果
gain	控制信号到力的放大倍数	响应更猛，容易震荡	响应更弱，可能推不动
timeconst	一阶低通滤波的时间常数	响应变慢，更平滑	响应变快，可能抖动

3.3 在 XML 中定义执行器

定义执行器很简单，在 <actuator> 标签里写就行。下面是一个典型的例子：

<actuator>
    <!-- 关节1：力矩电机 -->
    <motor name="joint1_motor" joint="joint1" gear="100" ctrllimited="true" ctrlrange="-10 10"/>
    
    <!-- 关节2：位置伺服 -->
    <position name="joint2_pos" joint="joint2" kp="100" kv="10" ctrllimited="true" ctrlrange="-3.14 3.14"/>
    
    <!-- 关节3：速度伺服 -->
    <velocity name="joint3_vel" joint="joint3" kv="50" ctrllimited="true" ctrlrange="-5 5"/>
</actuator>

注意看区别：motor 用 gear 来设定减速比，position 和 velocity 用 kp、kv 来设定 PID 参数。嗯，这里要特别提醒——position 的 kp 是位置增益，kv 是速度阻尼，两者要配合好。

3.4 让机械臂动起来——Python 控制代码

定义好执行器之后，我们就可以用 Python 来发送控制指令了。MuJoCo 的控制接口非常直接：

import mujoco
import mujoco.viewer
import numpy as np

# 加载模型
model = mujoco.MjModel.from_xml_path("my_robot.xml")
data = mujoco.MjData(model)

# 启动可视化
with mujoco.viewer.launch_passive(model, data) as viewer:
    # 设置关节1的力矩指令
    data.ctrl[0] = 5.0  # 对应 joint1_motor
    
    # 设置关节2的目标位置（弧度）
    data.ctrl[1] = 1.57  # 对应 joint2_pos，目标90度
    
    # 设置关节3的目标速度
    data.ctrl[2] = 2.0  # 对应 joint3_vel，目标2 rad/s
    
    # 仿真步进
    for _ in range(1000):
        mujoco.mj_step(model, data)
        viewer.sync()

你想想看，就这么几行代码，机械臂就能按照你的指令动起来了。但实际项目中，控制指令不会这么简单——你需要根据传感器反馈实时调整。

3.5 执行器选型决策流程

为了帮你快速决策，我画了一张流程图。每次做新项目，我都会先走一遍这个流程：

3.6 实战：让六轴机械臂画圆

光说不练假把式。我们用一个实际例子来收尾——让六轴机械臂的末端执行器画一个圆。

思路是这样的：先通过逆运动学算出每个关节的目标角度，然后用 position 执行器去跟踪。代码框架如下：

import numpy as np
import mujoco

# 加载模型
model = mujoco.MjModel.from_xml_path("six_axis_arm.xml")
data = mujoco.MjData(model)

# 圆的参数
radius = 0.1
center = np.array([0.3, 0.0, 0.2])
t = 0.0

# 仿真循环
for step in range(5000):
    # 计算目标位置（圆轨迹）
    target_pos = center + np.array([
        radius * np.cos(t),
        radius * np.sin(t),
        0.0
    ])
    
    # 设置末端执行器的目标位置
    # 这里用 mocap 或者直接设置关节角度
    # 实际项目中会用 IK 求解器
    
    # 步进仿真
    mujoco.mj_step(model, data)
    t += 0.01