3. 高频技术面试题：运动学与动力学
本章聚焦面试中最常考的四块硬核知识：正逆运动学、雅可比矩阵、动力学方程、轨迹规划。每道题都从定义、数学方法、工程意义三个层面考察你的深度。先看整体知识框架，再逐个拆解面试问答。
面试策略：这四块知识层层递进。面试官常从正逆运动学切入，追问雅可比让边界清晰，再用动力学考察物理建模深度，最后用轨迹规划检验工程落地能力。回答时先给定义，再说方法，最后引一个应用案例，形成闭环。
问答卡片 1：正逆运动学
面试问题：请解释机器人正运动学与逆运动学的区别，并说明各自的求解方法。
面试官考察点：
- 是否理解坐标变换与DH参数的物理意义
- 能否清晰区分正解（唯一）与逆解（多解）的本质差异
- 对逆运动学求解算法（解析法/数值法）的适用边界是否熟悉
回答框架：
- 一句话定义：正运动学由关节角求末端位姿，逆运动学反之。
- 正运动学方法：DH参数建立齐次变换矩阵连乘。
- 逆运动学方法：解析法适合Pieper准则（连续三轴交于一点），否则用数值迭代（如牛顿法）。
- 补充难点：逆解多解性通常根据关节限位、避障等选择最优解。
简短示例回答：正运动学利用DH参数将关节角转为末端位姿，通过4×4矩阵连乘得到唯一解。逆运动学则根据腕部位置分离求解前三个关节，再解腕部姿态；当不满足Pieper准则时采用迭代法。实际中需处理多解选择，常用最短行程或能耗最低原则。
可能追问：
- 为什么六轴工业机器人通常有8组逆解？
- 如何判断一个位姿在工作空间内是否可达？
- 数值法求解逆运动学的初值敏感性问题怎么解决？
避坑提醒：别只背公式。面试官希望听到你解释“正运动学本质是链式坐标变换”，“逆运动学解耦方法”背后的几何直觉。避免说“用解析法就完了”，要主动提数值法适用场景。
问答卡片 2：雅可比矩阵
面试问题：雅可比矩阵在机器人控制中有什么作用？如何计算机器人的雅可比矩阵？
面试官考察点：
- 是否理解雅可比矩阵的物理含义（速度映射/力映射）
- 能否区分几何雅可比和分析雅可比
- 对奇异性、可操作度等衍生概念是否有认知
回答框架：
- 核心作用：将关节速度映射到末端速度，也是静力映射的转置关系。
- 计算方法：几何雅可比通过向量叉乘（旋转关节：zᵢ×pₙⁱ）；或对正运动学求偏导。
- 工程意义：可操作度（条件数）衡量灵活性，雅可比零空间用于冗余度求解。
简短示例回答：雅可比矩阵J将关节速度映射为末端速度：vₑ=J·q̇，其转置将末端力映射为关节力矩。对旋转关节，几何雅可比第i列 = [zᵢ×pₙⁱ; zᵢ]。我还常用可操作度w=sqrt(det(JJᵀ))评估构型是否接近奇异，避免矩阵奇异导致控制失效。
可能追问：
- 雅可比矩阵奇异时会出现什么问题？如何避免？
- 如何计算冗余自由度机器人的雅可比伪逆？
- 分析雅可比和几何雅可比有什么区别？
避坑提醒：不要只说“雅可比是偏导数矩阵”。讲清楚“速度映射”这个输入输出关系，以及“力映射的转置性质”才是加分点。另外区分线速度雅可比和角速度雅可比，显示深度。
问答卡片 3：动力学方程与轨迹规划
面试问题：机器人动力学方程有哪些建模方法？它们各自适用于什么场景？结合轨迹规划如何保证运动平顺？
面试官考察点：
- 是否掌握牛顿-欧拉递推与拉格朗日法的核心思想
- 能否根据计算效率和精度需求选择合适方法
- 是否理解动力学在轨迹规划中约束的作用（加速度、力矩限幅）
回答框架：
- 两种主流方法：牛顿-欧拉递推（O(n)效率，适合实时控制）和拉格朗日法（基于能量，适合理论分析）。
- 动力学方程形式：M(q)q̈ + C(q,q̇)q̇ + G(q) = τ，各物理项含义。
- 轨迹规划结合：在S形或梯形速度规划中，利用动力学进行力矩限幅检查，保证加速度在电机峰值力矩内。
简短示例回答：牛顿-欧拉通过向外递推速度/加速度、向内递推力/力矩获得关节力矩，计算量O(n)很适合嵌入式实时控制。拉格朗日法则基于动能势能推导，适合推导闭式模型。做轨迹规划时，我会先用梯形或五次多项式生成位置曲线，再用动力学方程反算所需力矩，确保不超出电机额定值。
可能追问：
- 为什么牛顿-欧拉法比拉格朗日法更适合实时控制？
- 如何辨识机器人的动力学参数？
- 轨迹规划中如何处理加加速度（Jerk）约束？
避坑提醒：不要混淆运动学与动力学。回答动力学时务必提到惯性、科氏、重力、摩擦力四项。轨迹规划要强调“动力学限幅”这个关键步骤，而不是只谈运动学平滑。另外注意使用递推算法时讲清楚前向和后向过程。
复习建议：本章内容公式多但规律强。建议把DH参数、雅可比逐列计算、牛顿-欧拉递推式写一遍，再与运动规划串起来。面试时只要能把“正向→雅可比→动力学→轨迹”这条线讲通，就能证明你有系统级理解。