2. 运动学基础

各位工程师朋友，大家好。欢迎来到《人形机器人双臂协作抓取技术实战》的第二讲。

今天我们要啃的这块骨头，是机器人学里最核心、也最绕不开的内容——运动学。说白了，就是研究机器人怎么动、动到哪里去的问题。我当年刚入行时，觉得这东西就是一堆矩阵乘法，枯燥得很。直到第一次调试双臂协作时，两个手臂互相打架，我才意识到——嗯，运动学没搞透，后面全是坑。

2.1 D-H参数法：给机器人关节“上户口”

先聊聊D-H参数法。这个方法由Denavit和Hartenberg两位老前辈提出，目的是用四个参数来唯一确定相邻两个关节之间的坐标变换关系。

我个人习惯把D-H参数理解为给每个关节“上户口”。四个参数分别是：

• a_i-1（连杆长度）：沿X_i-1轴，从Z_i-1到Z_i的距离
• α_i-1（连杆扭转角）：绕X_i-1轴，从Z_i-1到Z_i的转角
• d_i（连杆偏距）：沿Z_i轴，从X_i-1到X_i的距离
• θ_i（关节角）：绕Z_i轴，从X_i-1到X_i的转角

你可能会问：为什么是四个参数？少一个行不行？我在项目中遇到过类似的问题。有一次为了简化模型，我试图用三个参数来描述一个旋转关节，结果算出来的末端位置总是差那么几毫米。后来才发现，少了一个参数，自由度就不完整了。四个参数，一个都不能少。

2.2 正运动学求解：从关节空间到工作空间

正运动学，说白了就是：我知道每个关节转了多少度，求末端执行器在哪儿。

对于单臂来说，正运动学就是一连串的齐次变换矩阵相乘：

T_0^n = T_0^1 * T_1^2 * ... * T_{n-1}^n

其中每个T矩阵由D-H参数构建：

T_i^{i+1} = Rot_x(α_i) * Trans_x(a_i) * Rot_z(θ_i) * Trans_z(d_i)

写成矩阵形式就是：

| cosθ_i   -sinθ_i   0     a_i     |
| sinθ_i*cosα_i  cosθ_i*cosα_i  -sinα_i  -d_i*sinα_i |
| sinθ_i*sinα_i  cosθ_i*sinα_i   cosα_i   d_i*cosα_i  |
| 0          0          0     1        |

我记得第一次手算这个矩阵时，算了三遍才得到正确结果。后来我写了个Python脚本自动生成，省了不少时间。这里给大家一个建议：别手算，用符号计算工具（比如SymPy）来验证你的推导。

2.3 逆运动学求解：从工作空间回到关节空间

逆运动学就更有意思了。已知末端位置和姿态，求每个关节的角度。这玩意儿没有通用解析解，尤其是对于人形机器人这种高自由度系统。

常用的方法有几种：

• 解析法：适用于特定构型（如PUMA 560），速度快但通用性差
• 数值法：基于雅可比矩阵的迭代求解，通用性强但可能陷入局部最优
• 几何法：利用几何关系直接求解，适合低自由度系统

我曾经在一个双臂搬运项目中吃过亏。当时用了纯数值法求解逆运动学，结果在奇异点附近算法直接发散，机器人差点把自己拧成麻花。后来我改用解析法+数值法混合策略：先用解析法得到一个初始解，再用数值法微调。效果好了很多。

2.4 双臂闭链运动学约束：两只手怎么不打架

单臂运动学搞定了，双臂协作才是真正的挑战。闭链约束，说白了就是两只手同时抓住一个物体时，它们之间不能有相对运动。

假设左臂末端位姿为T_L，右臂末端位姿为T_R，物体坐标系为T_O。那么约束条件就是：

T_L * T_{L2O} = T_R * T_{R2O}

其中T_L2O和T_R2O分别是左右手到物体的固定变换。这个等式必须时刻成立。

我刚开始做双臂协作时，犯过一个低级错误：分别求解左右臂的逆运动学，然后直接让它们同时运动。结果呢？两个手臂各走各的，物体被扯得七零八落。后来我才意识到，必须把闭链约束纳入运动学求解中。

具体做法是：

1. 选定一个主臂（比如左臂），按单臂方式规划轨迹
2. 根据闭链约束，推导从臂（右臂）的末端位姿
3. 求解从臂的逆运动学，得到关节角度
4. 验证约束是否满足，必要时进行修正

知识体系总览

下面这张图是我自己整理的本章知识结构，方便大家对照学习：

本章小结

运动学是双臂协作的基石。D-H参数是描述工具，正运动学是正向映射，逆运动学是反向求解，闭链约束是双臂协作的核心。这四个知识点环环相扣，缺一不可。

我个人建议的学习路径是：先拿一个简单的2自由度臂练手，手算D-H参数和正运动学。然后扩展到6自由度，用代码实现逆运动学求解。最后再挑战双臂闭链约束。别一上来就搞复杂的，容易劝退。

好了，这一章就到这里。记住：运动学搞扎实了，后面的轨迹规划、力控制才能站得住脚。咱们下一章见。

可可精品资料库