4. 运动学基础：正运动学与逆运动学，关节空间与笛卡尔空间

各位同学，今天我们聊点硬核的——运动学。说白了，就是研究机器人怎么动起来的学问。你给机器人下指令，它得知道每个关节转多少度，手爪才能到那个位置。反过来，你告诉它手爪要去哪，它得算出关节怎么转。这就是正运动学和逆运动学要干的事。

我个人习惯把运动学比作「翻译」。关节空间和笛卡尔空间，就是两种不同的语言。关节空间说的是「关节1转30度，关节2转45度...」，笛卡尔空间说的是「手爪在X=0.5米，Y=0.3米，Z=0.2米」。机器人得在这两种语言之间来回翻译。

4.1 正运动学：从关节到末端

正运动学，就是已知每个关节的角度，求末端执行器的位置和姿态。这其实是个「正向推导」的过程。你想想看，每个关节的运动都会影响后面所有连杆的位置，就像多米诺骨牌一样。

我在项目中遇到过最典型的场景：调试六轴机器人时，我想确认某个关节角度组合下，手爪会不会撞到工作台上的夹具。这时候就得用正运动学，快速算出末端位置。

正运动学的核心是齐次变换矩阵。每个关节对应一个变换矩阵，把所有矩阵乘起来，就得到末端相对于基座的位姿。

// 一个简单的2自由度平面机器人正运动学示例
// 已知：关节角度 θ1, θ2，连杆长度 L1, L2
// 求：末端位置 (x, y)

function forwardKinematics(theta1, theta2, L1, L2) {
    const x = L1 * Math.cos(theta1) + L2 * Math.cos(theta1 + theta2);
    const y = L1 * Math.sin(theta1) + L2 * Math.sin(theta1 + theta2);
    return { x, y };
}

// 示例：关节1转30度，关节2转45度，连杆长均为1米
const result = forwardKinematics(30 * Math.PI / 180, 45 * Math.PI / 180, 1.0, 1.0);
console.log(`末端位置: x=${result.x.toFixed(3)}, y=${result.y.toFixed(3)}`);
// 输出：末端位置: x=1.573, y=1.573

我的小技巧：调试正运动学代码时，先把所有关节角度设为零，看看末端是不是在初始位置。如果不对，八成是坐标系定义搞反了。我曾经因为这个bug排查了整整一个下午。

4.2 逆运动学：从末端到关节

逆运动学就麻烦多了。已知末端要到达某个位置，求每个关节该转多少度。这玩意儿没有唯一解，甚至可能无解。

为什么会这样？你想想看，一个六轴机器人，末端要到达空间中的某个点，理论上可以有无数种手臂姿势。就像你用手去够桌上的杯子，你可以肘部朝下，也可以肘部朝外——都能碰到杯子，但关节角度完全不同。

逆运动学的解法主要有两种：

解析法：通过几何关系直接推导出公式。速度快，但只适用于特定构型的机器人（比如前三个关节轴线交于一点）。
数值法：用迭代逼近的方式求解。通用性强，但计算量大，而且可能陷入局部最优。

嗯，这里要注意：数值法虽然通用，但如果你在实时控制里用，一定要控制迭代次数和收敛精度。我见过有人把迭代次数设成1000次，结果控制周期直接超时，机器人抖得像筛糠一样。

// 2自由度平面机器人的逆运动学（解析法）
// 已知：末端位置 (x, y)，连杆长度 L1, L2
// 求：关节角度 θ1, θ2

function inverseKinematics(x, y, L1, L2) {
    // 计算肘部角度（余弦定理）
    const cosTheta2 = (x*x + y*y - L1*L1 - L2*L2) / (2 * L1 * L2);
    
    // 检查可达性
    if (Math.abs(cosTheta2) > 1) {
        throw new Error('目标点不可达！');
    }
    
    const theta2 = Math.acos(cosTheta2);
    const theta1 = Math.atan2(y, x) - Math.atan2(L2 * Math.sin(theta2), L1 + L2 * Math.cos(theta2));
    
    return { theta1, theta2 };
}

// 示例：末端要去 (1.5, 1.5)
try {
    const angles = inverseKinematics(1.5, 1.5, 1.0, 1.0);
    console.log(`关节角度: θ1=${(angles.theta1 * 180 / Math.PI).toFixed(1)}°, θ2=${(angles.theta2 * 180 / Math.PI).toFixed(1)}°`);
} catch (e) {
    console.error(e.message);
}

避坑指南：我曾经在项目里直接用数值法解逆运动学，没做奇异性检测。结果机器人运动到某个特殊位置时，雅可比矩阵奇异，迭代直接发散，机器人差点把自己拧成麻花。从那以后，我每次都会先检查条件数。

4.3 关节空间 vs 笛卡尔空间

这两个空间的概念，说白了就是「怎么描述机器人的运动」。

特性	关节空间	笛卡尔空间
描述方式	每个关节的角度/位移	末端在三维空间的位置和姿态
直观性	不直观，但控制简单	直观，但计算复杂
路径规划	容易产生不可预知的末端轨迹	末端轨迹可控，但关节可能突变
避障	难以判断是否碰撞	容易判断末端是否碰撞

我个人习惯这样用：

如果只是让机器人从A点走到B点，中间没有障碍物，用关节空间规划就够了。简单、高效。
如果末端要走一条精确的直线或圆弧（比如焊接、涂胶），必须在笛卡尔空间规划。
避障时，我通常先在笛卡尔空间规划路径，再映射回关节空间做插补。

  核心要点：关节空间和笛卡尔空间之间的转换，本质就是正运动学和逆运动学。你不可能只在一个空间里完成所有工作。实际项目中，往往是两个空间来回切换。

4.4 知识体系结构图

下面这张图，是我自己总结的运动学知识体系。你看一眼就能明白各个概念之间的关系。

4.5 实际项目中的选择策略

说了这么多理论，到底怎么用？我总结了几条实战经验：

简单搬运：用关节空间规划。比如码垛机器人，只需要起点和终点，中间没障碍物。关节空间插补快，计算量小。
精密加工：必须用笛卡尔空间。比如激光切割，末端要走精确的圆弧轨迹。这时候关节空间规划出来的路径根本没法用。
复杂避障：先在笛卡尔空间规划路径点，再用逆运动学转成关节角度，最后在关节空间做平滑插补。这是最稳妥的做法。

我的经验：如果你不确定该用哪个空间，先试试笛卡尔空间。虽然计算量大一点，但末端轨迹可控，调试起来更直观。等系统稳定了，再考虑优化到关节空间。

嗯，运动学基础就讲到这里。记住一句话：正运动学是「已知关节求末端」，逆运动学是「已知末端求关节」。关节空间和笛卡尔空间，就是机器人的两种语言。你得学会在这两种语言之间自由切换。

可可精品资料库

📚 课程目录

4. 运动学基础：正运动学与逆运动学，关节空间与笛卡尔空间

4.1 正运动学：从关节到末端

4.2 逆运动学：从末端到关节

4.3 关节空间 vs 笛卡尔空间

4.4 知识体系结构图

4.5 实际项目中的选择策略