运动学基础：刚体运动描述、齐次变换矩阵、正运动学与逆运动程、雅可比矩阵

各位同学，欢迎来到人形机器人步态设计的第一章。我是你们的讲师，一个在机器人堆里摸爬滚打了十几年的老工程师。

今天咱们聊点硬核的——运动学基础。别急着翻白眼，我保证不枯燥。你想想看，要让一个两米高的人形机器人稳稳当当走路，首先得知道它的腿、膝盖、脚踝这些「骨头」是怎么动的，对吧？这就是运动学要干的事。

1. 刚体运动描述：机器人是怎么「动」起来的？

先说个基本概念。人形机器人的每个部件，比如大腿、小腿、脚掌，都可以看作一个「刚体」。刚体嘛，就是不会变形的硬块。它在空间里怎么动？说白了就两件事：平移和旋转。

平移好理解，就是直直地挪个位置。旋转呢？绕着一个轴转。比如你的大腿绕髋关节前后摆动，这就是旋转。

我记得刚入行时，带我的老师傅扔给我一句话：「描述一个刚体的位姿，你需要6个数字——3个位置，3个角度。」后来我才明白，这就是所谓的6自由度。位置用(x, y, z)表示，角度用(roll, pitch, yaw)表示。Roll是翻滚，pitch是俯仰，yaw是偏航。嗯，听着像飞机术语，但用在机器人腿上完全一样。

2. 齐次变换矩阵：把「动」写成数学

光说「动」不够，得用数学表达。这里就要请出我们的老朋友——齐次变换矩阵。

说白了，它是一个4x4的矩阵，把旋转和平移打包在一起。长这样：

| R   t |
| 0   1 |

其中R是3x3的旋转矩阵，t是3x1的平移向量。最后一行是[0 0 0 1]，固定不变。

为什么要用4x4？因为3x3的矩阵只能做旋转，做不了平移。加上一行一列，就能把旋转和平移统一成一个矩阵乘法。你想想看，一个矩阵乘下去，又转又挪，多省事。

我在做步态规划时，经常用齐次变换矩阵来串联各个关节。比如从髋关节到膝关节，再到踝关节，每个关节一个变换矩阵，乘起来就是脚掌相对于骨盆的位姿。这就是所谓的「链式法则」。

3. 正运动学与逆运动学：知道关节角度，求脚的位置？反过来呢？

好，现在我们有了一堆关节角度，想知道机器人的脚到底在哪儿。这就是正运动学。

正运动学很简单：给定每个关节的角度，通过齐次变换矩阵一路乘下去，就能算出末端（比如脚掌）的位置和姿态。公式长这样：

T_end = T_1 * T_2 * T_3 * ... * T_n

其中T_i是第i个关节的变换矩阵。

但实际中，我们更多遇到的是反过来的问题：我想让脚踩到某个点，关节应该转多少度？这就是逆运动学。

逆运动学可就麻烦多了。它通常没有解析解，得用数值方法迭代求解。比如牛顿-拉夫森法、阻尼最小二乘法等等。

我个人习惯用雅可比矩阵的伪逆法来解逆运动学。简单说，就是先猜一组关节角度，算出末端位置误差，然后用雅可比矩阵的逆去修正角度，反复迭代直到误差足够小。

4. 雅可比矩阵：关节速度与末端速度的「翻译官」

雅可比矩阵，听起来高大上，其实它就是连接关节速度和末端速度的桥梁。

公式很简单：

v_end = J * q_dot

其中v_end是末端的线速度和角速度（6维向量），q_dot是关节速度（n维向量），J是6×n的雅可比矩阵。

雅可比矩阵的每一列，对应一个关节速度对末端速度的贡献。比如，髋关节转得快，脚就动得快；踝关节转得快，脚也动得快。但贡献的大小和方向不同，雅可比矩阵就是把这些关系量化了。

在实际步态控制中，雅可比矩阵有两个重要用途：

• 速度控制：给定末端期望速度，反算出关节速度。这就是逆雅可比控制。
• 力控制：通过雅可比矩阵的转置，可以把末端的力映射到关节力矩。公式是 τ = J^T * F。

我记得有一次做抗扰动实验，机器人被推了一下，需要快速调整脚的位置来保持平衡。当时就是用雅可比矩阵实时计算关节速度，响应速度非常快。嗯，那感觉就像你被推了一下，本能地迈出一步稳住身体——雅可比矩阵就是那个「本能」的数学表达。

知识体系总览

下面这张图，是我自己画的本章知识结构。你可以把它当作一张「地图」，随时回来看看。

这张图把本章的四个核心内容串起来了。刚体运动描述是基础，齐次变换矩阵是工具，正/逆运动学是方法，雅可比矩阵是进阶。每一步都踩实了，后面学步态规划才不慌。

好了，第一章就到这里。记住：运动学不是目的，是手段。我们的终极目标是让机器人走起来、跑起来、跳起来。这些基础打牢了，后面的事就好办了。