beat365官方网站1. 最近在 Edx 上看 MIT 学校教授的 《Underactuated Robotics》课程，发现其授课的广度和深度都非常不错，把很多控制理论中的知识点进行了串联。但是，授课过程中有一些概念和相关资料没有细讲，导致在看部分内容的时候，需要去查文献补充知识点上的缺漏，在写笔记时实际上可以进行内容的扩展，丰富学习内容。因此，在本文章内会将这门课程的学习笔记进行整理，同时扩展课件资料中不够详细的内容，方便加深理解以及回顾。

　　2. 部分《Underactuated Robotics》的知识点对于理解如何更好地控制人形机器人，外骨骼机器人，多足机器人有一定的借鉴意义。因此，对于指导接下来的研发工作很有益处。

　　3. 由于作者是结合着视频和教材进行的学习，所以学习笔记中可能会同时出现教材中的图片和视频的截图，因此导致的本文的部分格式问题，还希望读者见谅。同时，由于视频和书本的讲述顺序并不完全相同，所以可能笔记会以书本顺序为主，但是会有一部分内容的跳跃，章节因此不会完全跟书本对应，因为视频中也是如此，望见谅。（ref：When teaching the course, however, I take a spiral trajectory through the material, introducing robot dynamics and control problems one at a time, and introducing only the techniques that are required to solve that particular problem.）

　　现如今的大部分机器人都是属于全驱动型的机器人（fully-actuated robot），他们目前主要应用于结构化的工厂环境。通过成熟的高刚度的机械臂控制技术，反复执行着高精度的重复运动，完成诸如切削，焊接，喷漆等工作。使用这种高刚度的运动控制方法，实际上只是利用了机器人机械性能的一小部分。

　　这里之所以说是只利用了机器人机械性能的一小部分，是因为这些全驱动的机器部分是基于机器人的运动学建模进行的控制。在基于运动学建模的控制下，机械臂的惯量，外部作用力均被视为输入到机器人控制系统的扰动量，需要通过反馈进行补偿，消除这部分扰动，因而，控制系统并没有真正去“利用”机器的机械性能。

　　欠驱动机器人（under-actuated robot）的研究主要集中于设计利用机器人的自然动力学的控制系统，试图在速度、效率或鲁棒性方面取得非凡的性能。

　　1996年底，本田汽车公司（Honda Motor Co.）宣布，他们已经在步行机器人技术方面研发了近15年。通过不断地完善设计，最终形成了一种他们称之为ASIMO（Advanced Step in Innovative MObility）的仿人机器人。

　　通过视频，我们可以看到 ASIMO 走起来还是很顺滑的。但是它的步态跟正常人的步态还是不一样的。看起来更像是一个穿着太空服的宇航员在走路。

　　存在这个问题的主要原因就是因为 ASIMO 的控制系统使用了高增益反馈（high-gain feedback）。这种控制方法没有考虑机械结构的动态性能，而是单纯地用电机的输出力来消除所有的干扰，以期让机器人能够跟踪指定的运动轨迹。这种控制方法带来的后果就是机器人整体的能量损耗巨大。ASIMO 在平地步行过程中的能量消耗是正常人的20倍。

　　不同于上文中的 ASIMO 机器人的超高的能量损耗，对于行走“机器人”的另一种设计是纯被动行走器（passive dynamic walker，PDW）。这种机构上被设计成不存在任何的主动驱动设备（如电机等），但是，它们仍然能够极其高效地完成行走运动功能。

　　Boston Dynamics 凡是研究机器人的应该都是清楚的，是目前超一流的机器人研发公司，目前被日本软银给收购了。其开发的双足步行机器人 Atlas 就是基于欠驱动理念设计的行走机器人，其表现出了超强的动态性能。

　　目前由于 BD 设计的机器人的高性能收获了所有人的目光，但是在 BD 被日本软银收购同时的另一家同时被收购的机器人公司 Schaft 设计的机器人也很有意思。从之前放出来的影片可以看出，其设计的机器人的动态性能也非常的强，有一定的学习借鉴意义。

　　在不同于行走机器人的另一个领域，情况惊人地相似。现代飞机对于在静止空气中稳定水平地飞行非常有效。螺旋桨能够非常有效地产生推力，今天的弧形翼型在速度和/或效率方面高度优化。目前的这种情况很容易让人们相信我们已经没有什么可以从鸟身上学习的了。

　　但是，像 ASIMO 一样，这些机器大多局限于非常保守的、低迎角的飞行状态，在这种状态下，机翼上的空气动力学被人们很好地理解了。但是，对于水平平稳飞行之外的状态，鸟类通常比我们的飞机利用空气中的能量方面有效得多。

　　尽管机械臂在工业应用方面取得了长足的成功，并且在消费应用方面有着巨大的潜力，但是目前机械臂仍然没有能够在家里完成任何有意义的任务。

　　不可否认，家用机器人的感知问题（使用传感器检测/定位物体并理解场景）非常困难。但是，即使我们有一个完美的感知系统，我们的机器人仍然离以人类的灵巧和多功能执行基本的物体操作任务还有很长的路要走。

　　然后，给定环境中的一个局部对象，我们为手臂规划一个无碰撞的轨迹，将手移动到“预抓取”位置。

　　此时，机器人闭上眼睛（象征性地）并合上手，希望预抓取位置足够好，以便使用手指中的电流反馈来知道何时停止闭合，从而成功抓取物体。”

　　1. 文中提到的机械臂中的几个点，即为机器人学中的 end-effector 末端的概念。通常机械臂的末端根据使用的工具不同，其末端点的个数是不同的。参见：

　　2. 第二点涉及到机械臂运动轨迹规划相关概念，通常情况下，我们规划的轨迹要求机械臂的各个连杆或是关节不与环境中的物体发生碰撞，这主要是因为我们的工业机械臂其运动控制刚度大，一旦发生碰撞，则是硬碰撞，要么机械臂损坏，要么环境中的物体被损坏。参见：

　　“欠驱动手”使这种流程化的方法更为成功，但整个方法实际上只适用于包络抓取（enveloping grasps）。

　　传统的抓取操作执行流程可以完成一些简单的拾取和放置任务，但它对于人类如何进行操作的表示非常糟糕。当人类操纵物体时，与物体和世界的接触互动是非常丰富的——我们经常把环境的一部分当作固定装置来减少不确定性，我们通常利用滑动行为（例如，在手上捡起东西或重新定位东西），如果我们用手臂的整个表面来操纵一个大物体，我们的大脑就不会发出声音。

　　顺便说一下，在大多数情况下，如果机器人不能在预期的接触时间/地点进行接触，就可能发生不好的事情。结果既搞笑又令人沮丧。（让我们一起来解决这个问题！）

　　机器人学的经典控制技术是基于这样一种想法：反馈可以用来克服我们机器的动力学（feedback can be used to override the dynamics of our machines）。这些例子表明，要从我们的机器人中获得卓越的动态性能（效率、敏捷性和鲁棒性），我们需要了解如何设计利用动态特性的控制系统，而不是将它们取消。这是本课程的主题。

　　实际上，许多正统的控制思想并不支持“利用”动力学的思想。最优控制公式（我们将深入研究）在原理上允许它，但非线性系统的最优控制仍然是一个相对特殊的学科。有时我开玩笑说，为了说服控制理论家去考虑动力学，你必须做一些激烈的事情，比如夺走她的控制权——移除一个马达，或者强制执行扭矩限制。这些问题产生了一类正式的系统，即欠驱动系统，人们已经开始在控制的背景下更仔细地考虑机器的动力学。