50 门基础课,一根 Craig 主轴
以 Craig 4/e 的 Ch1–Ch13 作为顺序主轴,路径、轨迹与优化单独成层,再依次进入误差动力学、PID、状态空间、计算力矩、LQR、MPC、鲁棒自适应与力控制。
教材骨架:只用一本教材定顺序
Craig Ch1–Ch13 · 不用旋量数学| 章 | Craig 章节 | 对应层 | 模块 | 本科处理 |
|---|---|---|---|---|
| Ch1 | Introduction | L0 | M01–M04 | 本科先修:物理、线代、ODE、编程 |
| Ch2 | Spatial Descriptions and Transformations | L1 | M05–M09 | 旋转矩阵 + 齐次变换;不引入旋量 |
| Ch3 | Manipulator Kinematics | L2 | M10–M12 | D-H 建系与连杆变换连乘 |
| Ch4 | Inverse Manipulator Kinematics | L2 | M13–M14 | 解析逆解与多解 |
| Ch5 | Jacobians: Velocities and Static Forces | L3 | M15–M18 | 几何 Jacobian;力与速度分离讲 |
| Ch6 | Manipulator Dynamics | L4 | M19–M21 | 牛顿-欧拉递推 + 拉格朗日 |
| Ch7 | Trajectory Generation | L5 | M22–M23 | 关节 / 笛卡尔空间时间律 |
| Ch8 | Manipulator-Mechanism Design | L8 | M38 | 机构、驱动、传动;用机电教材补实现 |
| Ch9 | Linear Control of Manipulators | L5 | M24 | 二阶误差动力学与 PID |
| Ch10 | Nonlinear Control of Manipulators | L5 | M25 | 计算力矩 / 反馈线性化 |
| Ch11 | Force Control of Manipulators | L5 | M26 | 混合位置力控制、阻抗 |
| Ch12–13 | Programming / Off-Line Programming | L8 | M41 | 编程、离线编程与仿真 |
| App A–C | 三角恒等式 / 角设定 / 逆解公式 | L0–L2 | M01, M09, M13 | 计算与查表 |
五条设计原则
教学顺序严格跟随 Craig Ch1–Ch13,不再把多本教材的章节平行拼接成「统一体系」。
只用矩阵乘法、三角函数与常微分方程;每个模块都应能在一次课内算出一台具体机械臂的数值结果。
twist / wrench / 伴随变换 / 矩阵指数 / 指数积 PoE 全部移到 L9 选修,仅作读文献的桥。
Craig 缺的规划、移动、估计、视觉,用 Choset / AMR / Corke 等本科友好教材补,且沿用 Craig 的坐标与记号。
每个模块写明先修编号,可直接拓扑排序;先修只用本科已修的线代、力学、控制、编程。
现代记号 → 本科记号对照
| 主题 | 现代旋量写法(不进必修) | 本科写法 | 出处 |
|---|---|---|---|
| 位姿表示 | SO(3) / SE(3) 群、矩阵指数、指数坐标 | 3×3 旋转矩阵 + 4×4 齐次变换 | Craig Ch2.2–2.6 |
| 姿态参数 | 轴角 / Rodrigues / 旋量轴 | 欧拉角、RPY、24 种角设定、四元数 | Craig §2.8 / App B;Corke Ch2 |
| 速度 | 6 维 twist、空间/物体 Jacobian、伴随 [Ad_T] | 线速度与角速度分列 + 几何 Jacobian | Craig Ch5.3–5.7 |
| 力 | wrench、Ad_Tᵀ 力旋量变换 | 力 / 力矩分列、τ = JᵀF | Craig Ch5.9–5.11 |
| 正运动学 | 螺旋轴 + 指数积 PoE | D-H 四参数 + 连杆变换连乘 | Craig Ch3.2–3.5 |
| 动力学 | twist–wrench 形式、空间惯量 | 牛顿-欧拉递推 + 拉格朗日封闭形式 | Craig Ch6.5–6.9 |
| 代价 | 需李群/李代数直觉,本科难在课内验算 | 矩阵乘法 + 三角函数,纸笔或几行 MATLAB 可验 | — |
十层结构
| 层 | 名称 | 内容定位 | 模块 | 学时 |
|---|---|---|---|---|
| L1 | 空间描述与变换 | Craig Ch2 · 位姿 / 映射 / 算子 / 变换方程 / 姿态参数 | 5 | 15 |
| L2 | 操作臂运动学 | Craig Ch3–4 · D-H 建系 / 正解 / 逆解 | 5 | 15 |
| L3 | 雅可比:速度与静力 | Craig Ch5 · 速度传递 / 奇异性 / 静力 | 4 | 12 |
| L4 | 操作臂动力学 | Craig Ch6 · 牛顿-欧拉 / 拉格朗日 / 仿真 | 3 | 9 |
| L5 | 路径与轨迹 | 几何路径 → 时间律 → 插值 → 速度剖面 → 约束下的优化 → 控制接口 | 7 | 21 |
| L6 | 控制:从误差动力学到闭环 | 稳定性 / PID / 状态空间 / 计算力矩 / LQR / MPC / 鲁棒 / 力控 | 9 | 27 |
| L7 | 运动规划 | Choset Ch2–7 · 构型空间 / 势函数 / 采样 / 微分约束 | 4 | 12 |
| L8 | 移动机器人与状态估计 | AMR / Choset · 轮式运动学 / 里程计 / 滤波 / SLAM | 6 | 18 |
| L9 | 感知、机构与系统集成 | Craig Ch8, Ch12–13 · 机构 / 视觉 / 抓取 / 编程 / 综合 | 5 | 16 |
| L10 | 选修 · 现代记号衔接 | MR 概念导读,不计必修学时 | 2 | 4 |
50 模块总表
可按层筛选、可搜索;「人形引入」取自 G1 案例,课件链接直达单页课件| 编号 | 层 | 章节 | 学时 | 先修 | 核心关系式 | 人形引入(G1) | 课件 |
|---|---|---|---|---|---|---|---|
| M05 | L1 | 位置、姿态与位姿的描述 | 3 | — | ᴬp = ᴬR_B ᴮp + ᴬp_Borg | G1 的躯干、髋、膝、踝各有一套坐标系;要说清「左脚此刻在哪」,先得说清用哪个坐标系、怎么表示姿态。 | 打开 ↗ |
| M06 | L1 | 映射:从一个坐标系到另一坐标系 | 3 | M05 | ᴬp = ᴬT_B ᴮp,ᴬT_B = [ᴬR_B ᴬp_Borg; 0 0 0 1] | 头戴相机看到杯子,手臂却长在肩上;把视觉坐标里的目标搬到肩坐标系,靠的就是这一章的映射。 | 打开 ↗ |
| M07 | L1 | 算子:平移、旋转与齐次变换 | 3 | M05 | R_z(θ) = [cosθ −sinθ 0; sinθ cosθ 0; 0 0 1] | 人要转身、要抬腿,本质都是对位姿做平移与旋转;齐次变换把这两件事合成一次矩阵乘法。 | 打开 ↗ |
| M08 | L1 | 变换方程与坐标链 | 3 | M06M07 | ᴬT_C = ᴬT_B ᴮT_C;ᴬT_B = ᴬT_C (ᴮT_C)⁻¹ | 相机→头→躯干→肩→手是一整条坐标链;链上任一环的外参错了,手就会伸偏。 | 打开 ↗ |
| M09 | L1 | 其他姿态描述:欧拉角 / RPY / 四元数 | 3 | M07 | ᴬR_B = R_z(α) R_y(β) R_x(γ);q = (η, ε₁, ε₂, ε₃) | IMU 给出的姿态常用欧拉角或四元数; Head 转动接近万向节退化时,选哪种表示直接决定控制是否稳定。 | 打开 ↗ |
| M10 | L2 | 连杆、关节与 D-H 建系 | 3 | M08 | ⁱ⁻¹T_i = R_x(α_{i−1}) D_x(a_{i−1}) R_z(θ_i) D_z(d_i) | 给 G1 的每条腿建立 D-H 坐标系,是把「髋转 30°」变成可计算运动学的第一步。 | 打开 ↗ |
| M11 | L2 | 正运动学:连杆变换连乘 | 3 | M10 | ⁰T_N = ⁰T_1 ¹T_2 ⋯ ^{N−1}T_N | 知道所有关节角,要算出足端落在哪里、躯干朝哪,靠连杆变换连乘。 | 打开 ↗ |
| M12 | L2 | 三种空间、标准命名与工具坐标系 | 3 | M11 | q ∈ Q → x = f(q) ∈ X;⁰T_tool = ⁰T_N ᴺT_tool | 示教器里的基座系、工具系、工件系如果命名混乱,同一条指令会走到完全不同的位置。 | 打开 ↗ |
| M13 | L2 | 逆运动学:解存在性、子空间与解析解 | 3 | M11 | q = f⁻¹(x);可达 ⟺ x ∈ WS;三轴相交可分离求解 | 给定下一个落脚点或手要够到的杯子,反过来求各关节角,就是人形机器人每毫秒都在做的事。 | 打开 ↗ |
| M14 | L2 | 多解选择、重复精度与数值逆解 | 3 | M13 | Δq = J⁺(q) e;qₖ₊₁ = qₖ + Δq | 同一个手部位姿常有好几种肘部姿态;避开关节限位与自碰撞,要在多解里挑一个。 | 打开 ↗ |
| M15 | L3 | 时变位姿、刚体线速度与角速度 | 3 | M07 | v = ṗ;ω;Ṙ Rᵀ = [ω]× | 走路时机体一边转一边加速,线速度与角速度是描述「这一瞬间怎么动」的基本量。 | 打开 ↗ |
| M16 | L3 | 连杆速度传递与 Jacobian | 3 | M11M15 | ⁰V = J(q) q̇;ⁱ⁺¹ω_{i+1} = ⁱ⁺¹_i R ⁱω_i + θ̇_{i+1} ⁱ⁺¹Ẑ_{i+1} | 摆腿时髋、膝、踝的速度怎样传到足端?Jacobian 把关节速度翻译成末端速度。 | 打开 ↗ |
| M17 | L3 | 奇异性、可操作度与冗余零空间 | 3 | M16 | det J = 0;q̇ = J⁺ẋ + (I − J⁺J) q̇₀ | 腿快伸直时某些方向突然使不上力,这就是奇异;人形下蹲与起身必须留出可操作度。 | 打开 ↗ |
| M18 | L3 | 静力、力域 Jacobian 与笛卡尔变换 | 3 | M16 | τ = Jᵀ(q) F;P = τᵀq̇ = FᵀV | 脚踩地面产生的接触力,要换算成髋膝踝各出多少力矩,靠 τ = JᵀF。 | 打开 ↗ |
| M19 | L4 | 加速度、质量分布与牛顿-欧拉方程 | 3 | M15 | F = m v̇_C;N = I_C ω̇ + ω × I_C ω | 人形机器人抬腿时,全身质量分布与惯性耦合决定了电机到底要出多大力。 | 打开 ↗ |
| M20 | L4 | 牛顿-欧拉递推与封闭形式动力学 | 3 | M19M16 | τ = M(q) q̈ + V(q, q̇) + G(q) + F(q̇) | 牛顿-欧拉递推让控制器能在一个控制周期内算出全身所需的关节力矩。 | 打开 ↗ |
| M21 | L4 | 拉格朗日方程、笛卡尔动力学与仿真 | 3 | M19M20 | d/dt(∂L/∂q̇) − ∂L/∂q = τ;Λ(x) = (J M⁻¹ Jᵀ)⁻¹ | 上真机之前,先在仿真里用拉格朗日方程跑一遍步态,看力矩与能耗是否离谱。 | 打开 ↗ |
| M22 | L5 | 路径与轨迹:几何路径、时间律与参数化 | 3 | M11M13 | q(t) = q(s(t));q̈ = q″(s)ṡ² + q′(s)s̈ | 摆腿相足端沿一条空间曲线从后往前:这条曲线是路径,走多快由时间律决定——同一条摆腿路径可以快走也可以慢走,但关节力矩完全不同。 | 打开 ↗ |
| M23 | L5 | 关节空间插值:多项式、边界条件与连续性阶次 | 3 | M22 | q(τ) = q₀ + Δ(10τ³ − 15τ⁴ + 6τ⁵) ; q̈_max ∝ Δ/T² | 起脚与落脚要求位置、速度、加速度都连续;条件数决定该用三次、五次还是七次多项式。 | 打开 ↗ |
| M45 | L5 | 时间缩放与速度剖面:梯形、双 S 与 jerk 限 | 3 | M23 | q̃(t) = q(t/λ) ; q̈̃ = q̈/λ² ; j̃ = j/λ³ | 步态节拍压得太短会激起机身振动;把整条轨迹放慢 λ 倍,路径一个点都不改,峰值加速度却按 λ⁻² 下降。 | 打开 ↗ |
| M46 | L5 | 笛卡尔空间路径与姿态插值 | 3 | M22M09 | Q(u) = [sin((1−u)Ω)/sinΩ]Q₀ + [sin(uΩ)/sinΩ]Q₁ | 手伸向杯子时,位置走直线、姿态走四元数大圆;对欧拉角做线性插值会让手腕中途翻转。 | 打开 ↗ |
| M47 | L5 | 途经点、分段连续与样条 | 3 | M23M46 | S′ᵢ(tᵢ) = S′ᵢ₊₁(tᵢ) , S″ᵢ(tᵢ) = S″ᵢ₊₁(tᵢ) ; q(s) = Σ Nᵢ,ₖ(s)Pᵢ | 一套上身动作有几十个途经点;逐点停最慢,三次样条能一次穿过所有点且加速度连续。 | 打开 ↗ |
| M48 | L5 | 轨迹优化:目标、约束与最优时间参数化 | 3 | M45M47M21 | min T = ∫₀¹ ds/ṡ ; τ = A(s)s̈ + B(s)ṡ² + C(s) ≤ τ̄ ; b = ṡ² | 同一条步态路径,哪几段必须降速?决定因素是力矩、速度与关节限位,不是「曲线够不够平滑」。 | 打开 ↗ |
| M49 | L5 | 从几何路径到轨迹:时间律与控制接口 | 3 | M48 | τ_ff = M(q_d)q̈_d + h(q_d, q̇_d) ; e = q_d − q | 轨迹层必须把 q_d、q̇_d、q̈_d 一起交给控制器;人靠近时常常只改时钟 s(t),几何路径与控制器都不用换。 | 打开 ↗ |
| M24 | L6 | 反馈控制与误差动力学:稳定性与稳态误差 | 3 | M19M22 | ë + K_v ė + K_p e = 0 ; ζ = K_v/(2√K_p) | 单腿支撑被推一下,髋膝踝的跟踪误差能不能收敛到零,取决于闭环误差动力学与阻尼比。 | 打开 ↗ |
| M25 | L6 | 关节 PID:整定、离散实现与工程约束 | 3 | M24 | τ[k] = K_p e[k] + K_i T_s Σe + K_d Δe/T_s + ĝ(q) | 同一组关节增益在 1 kHz 下稳定,降到 100 Hz 就振荡;采样、噪声与限幅才是真机调参的主战场。 | 打开 ↗ |
| M26 | L6 | 力控制:混合位置 / 力、阻抗与导纳 | 3 | M51M18 | F_d = M_d Δẍ + B_d Δẋ + K_d Δx ; τ = JᵀF | 脚落地或从桌上拿杯子时,位置控得太硬会产生巨大接触力;需要让末端表现成期望的阻抗。 | 打开 ↗ |
| M27 | L6 | 控制综合实验:轨迹 → 控制器 → 闭环 | 3 | M49M25M51M53M26 | e = q_d − q ; τ_cmd = sat(τ_ff + τ_fb) ; J_e = (1/N)Σ‖e‖² | 把轨迹、前馈、反馈、限幅、传感延迟串成一条闭环,才能公平比较 PID / 计算力矩 / MPC 谁更适合这台人形。 | 打开 ↗ |
| M50 | L6 | 状态空间、线性化与极点配置 | 3 | M25M21 | ẋ = Ax + Bu ; det(λI − (A − BK)) = 0 | 把整机在工作点线性化后,「调两个增益」就等价于配置闭环极点,平衡点附近才谈得上稳定裕度。 | 打开 ↗ |
| M51 | L6 | 模型前馈与计算力矩控制 | 3 | M50M21 | τ = M(q)(q̈_d + K_v ė + K_p e) + h(q,q̇) ⇒ ë + K_v ė + K_p e = 0 | 高速挥臂时惯性耦合不能忽略;计算力矩用动力学模型预先抵消非线性,让每个关节像独立二阶系统。 | 打开 ↗ |
| M52 | L6 | LQR 与最优控制入门 | 3 | M50 | J = ∫(xᵀQx + uᵀRu)dt ; K = R⁻¹BᵀP | 站立平衡里,位置误差与电机能耗的取舍可以写成 Q / R 权重,而不是靠试凑增益。 | 打开 ↗ |
| M53 | L6 | 模型预测控制与约束处理 | 3 | M52M48 | min Σ‖xₖ−xᵣ,ₖ‖²_Q + ‖uₖ‖²_R s.t. xₖ₊₁=Axₖ+Buₖ, uₖ∈U | 关节快撞上机械限位、足底接触力快超限时,预测控制能提前几步调整力矩,而不是撞上再纠正。 | 打开 ↗ |
| M54 | L6 | 鲁棒、自适应控制与扰动观测 | 3 | M51 | τ = Yθ̂ + K s ; θ̂̇ = −ΓYᵀs ; V̇ = −sᵀKs ≤ 0 | 手里抱起 5 kg 负载后模型参数已变;自适应律在线更新负载估计,误差才不会一直残留。 | 打开 ↗ |
| M28 | L7 | 构型空间、自由空间与 Bug 算法 | 3 | M12 | Q_free = Q \ Q_obs;Bug 沿障碍边界绕行 | 全身几十个关节,判断一个姿态会不会撞到自己的腿或桌角,先把问题搬进构型空间。 | 打开 ↗ |
| M29 | L7 | 势函数、路线图与单元分解 | 3 | M28 | U(q) = U_att(q) + U_rep(q);F = −∇U | 从房间这头走到那头,势函数会给出一条下坡路,路线图与单元分解则给出可复用的通路结构。 | 打开 ↗ |
| M30 | L7 | 采样规划 PRM / RRT 与图搜索 | 3 | M29 | f(n) = g(n) + h(n);P(找到解) → 1 | 高维构型空间里穷举不可行;PRM / RRT 靠采样把「能不能过去」变成图搜索。 | 打开 ↗ |
| M31 | L7 | 非完整约束、微分约束与可行轨迹 | 3 | M30M21 | A(q)q̇ = 0 ; q̇ ∈ null(A(q)) ; min ∫L(x,u)dt s.t. ẋ=f(x,u) | 差速底盘规划出的横向平移曲线,做再多糖的平滑也走不出来——非完整约束限制的是速度,不是曲线好不好看。 | 打开 ↗ |
| M32 | L8 | 轮式机构与移动机器人运动学 | 3 | M06M28 | q̇ = G(q)u;差速:ẋ = v cosθ, ẏ = v sinθ, θ̇ = ω | 双足之外,轮式移动平台的左右轮速度决定它只能沿圆弧走;这是理解人形移动约束的最好对照。 | 打开 ↗ |
| M33 | L8 | 传感器、里程计与误差传播 | 3 | M32 | Σ′ = F Σ Fᵀ + Q;p(x′ | x, u) | 足端打滑、IMU 有零偏,机器人却还要知道自己走了多远;先要会算误差是怎么一路传下去的。 | 打开 ↗ |
| M34 | L8 | 概率基础与离散 / 贝叶斯滤波 | 3 | M33 | bel(xₜ) = η p(zₜ|xₜ) Σ p(xₜ|uₜ,xₜ₋₁) bel(xₜ₋₁) | 多传感器互相矛盾时该信谁?贝叶斯递推给出「先验 + 观测」的合并规则。 | 打开 ↗ |
| M35 | L8 | 卡尔曼滤波 / EKF / 粒子滤波 | 3 | M34 | K = P⁻Hᵀ(HP⁻Hᵀ + R)⁻¹;x̂ = x̂⁻ + K(z − Hx̂⁻) | 把 IMU、关节编码器与足端力传感融合成稳定姿态估计,靠卡尔曼 / EKF / 粒子滤波。 | 打开 ↗ |
| M36 | L8 | 定位、地图表示与占据栅格 | 3 | M35M32 | lₜ = lₜ₋₁ + l_inv − l₀;p(m | x₁:ₜ, z₁:ₜ) | 在走廊里走一圈,要同时估计自己在哪、周围哪里有墙,占据栅格是最常用的地图表示。 | 打开 ↗ |
| M37 | L8 | SLAM 入门、导航与探索 | 3 | M36M30 | min_{x} Σ ‖e_{ij}(x)‖²;global plan + local planner + controller | 没有先验地图时,人形机器人要一边走一边建图一边定位,这就是 SLAM 与主动探索。 | 打开 ↗ |
| M38 | L9 | 机构设计、驱动、传动与传感 | 3 | M20M27 | τ_out = n η τ_m;J_reflect = J_load / n² | 电机、减速器、编码器与连杆刚度决定了力矩上限、背隙与传感精度,后面所有算法都受这些硬件边界约束。 | 打开 ↗ |
| M39 | L9 | 相机模型、标定与三维位姿估计 | 3 | M33M06 | s[u v 1]ᵀ = K [R | t] [X Y Z 1]ᵀ | 头戴相机看到的是像素,手臂能用的是三维坐标;焦距、外参与畸变标定是中间那道桥。 | 打开 ↗ |
| M40 | L9 | 抓取:接触、摩擦锥与形/力封闭 | 3 | M18M26 | |f_t| ≤ μ f_n;G f = −F_ext;rank(G) 判据 | 两个手指夹住杯子,为什么有时夹紧了还是会滑?摩擦锥与形 / 力封闭给出判据。 | 打开 ↗ |
| M41 | L9 | 机器人编程、离线编程与仿真 | 3 | M27M23 | 程序 → 轨迹 → 仿真验证 → 下载到控制器 | 几十个关节、多个传感器与规划器要靠编程与离线编程连成一个系统;仿真平台是上真机前的必经环节。 | 打开 ↗ |
| M42 | L9 | 综合实验:感知 → 规划 → 控制闭环 | 4 | M37M39M40M41 | 闭环误差 = Σ 各环节误差;二分定位首个失真相 | 把感知、规划、控制串成闭环综合实验,才能检验「看得清、走得到、抓得住」是否真能同时成立。 | 打开 ↗ |
| M43 | L10 | twist / wrench 与伴随变换(概念导读) 选修 | 2 | M15M18 | V = (ω, v);F_b = [Ad_T]ᵀ F_a | 读 Drake 或现代论文时会遇到 twist / wrench;这一章只做记号导读,让本科生能看懂文献在说什么。 | 打开 ↗ |
| M44 | L10 | 指数积 PoE 与 URDF(概念导读) 选修 | 2 | M11M43 | T(θ) = e^[S₁]θ₁ ⋯ e^[Sₙ]θₙ M | URDF 与现代运动学库常用指数积 PoE;作为研究生衔接,知道它与 D-H 的对应关系即可。 | 打开 ↗ |
授课路线与先修链
M01 → M05 → M08 → M10 → M11 → M16 → M20 → M22 → M24 → M25 → M42
M28 → M32 → M33 → M34 → M35 → M36 → M37 → M42
M43 → M44(研究生衔接,不计必修)
- 50 个模块都标了先修编号,按先修链推进即可排出一门完整课程。
- 教材章序适合系统讲授;专题课或按兴趣选读,可以到课程路径页按主题选一条章节顺序,点开直接进入课件。
几处重点展开
预备知识随章补
线性代数、刚体力学、反馈控制与数值仿真不单独设章;旋转矩阵、牛顿-欧拉与误差动力学分别在用到它们的章节里现场补齐。
路径与轨迹 · 7 章
几何路径 → 时间律 → 插值 → 速度剖面 → 姿态与途经点 → 约束下的优化 → 控制接口;路径、轨迹、优化各自立章,并给出可手算的式子。
控制 · 9 章
误差动力学与稳定性 → PID → 状态空间与极点配置 → 计算力矩 → LQR → MPC → 鲁棒自适应 → 力与阻抗 → 闭环综合。
规划层的可行性
在微分约束下讨论可行轨迹与最优性,与轨迹优化章相接。
Craig 的知识缺口与补足来源
| 缺口 | Craig | 补足教材 | 落点 |
|---|---|---|---|
| 运动规划 / 构型空间 | Craig 无 | Choset Ch2–7(主)、LaValle Ch2/4/5(算法出处) | L6 · M28–M31 |
| 移动机器人运动学 / 导航 | Craig 无 | AMR 2/e Ch2–3, 6(主)、Corke Ch4–6 | L7 · M32, M37 |
| 传感器与里程计误差 | Craig 无 | AMR Ch4、Corke Ch3/6、PR Ch5 节选 | L7 · M33 |
| 概率 / 状态估计 / SLAM | Craig 无 | Choset Ch8–9 + App I(本科主)、PR Ch2–4/7–10 节选(进阶) | L7 · M34–M37 |
| 相机模型 / 视觉 | Craig 无 | Corke Ch10–11, 13–16、OpenCV PnP / hand-eye | L8 · M39 |
| 抓取与接触 | Craig 无 | MR Ch12 只取摩擦锥与形/力封闭的几何直觉、Siciliano | L8 · M40 |
| 最优控制 / 轨迹优化 | Craig 只到计算力矩 | Franklin/Ogata 控制基础(补先修)、MIT Underactuated Ch8–10(高年级选修) | L0 · M03;选修 |
| 机构实现的电机 / 传动 | Ch8 偏结构,缺实现 | Lynch, Marchuk & Elwin《Embedded Computing and Mechatronics》 | L8 · M38 |
| 软件平台与综合实验 | Ch12–13 偏语言 | ROS 2 / Nav2 / CoppeliaSim / Corke 工具箱 | L8 · M41–M42 |
| 现代记号(读文献用) | Craig 不含 | MR Ch3–4 概念导读 | L9 选修 · M43–M44 |
补充教材与依据
Principles of Robot Motion: Theory, Algorithms, and Implementations 本科主补充
Howie Choset et al., MIT Press, 2005
以本科生能接受的数学基础串起运动规划与状态估计,记号负担低于同层次的研究生教材。
章节:Ch2 Bug 算法 / Ch3 构型空间 / Ch4 势函数 / Ch5 路线图 / Ch6 单元分解 / Ch7 采样规划 / Ch8 卡尔曼滤波 / Ch9 贝叶斯方法 / Ch11 轨迹规划 / Ch12 非完整与欠驱动 / App I 统计 / App J 线性系统与控制
用于:L6, L7
Robotics, Vision and Control, 2/e 本科主补充
Peter Corke, Springer, 2017(Springer Tracts in Advanced Robotics 118)
1000+ MATLAB 例程与 Robotics/Vision Toolbox,覆盖四元数姿态、相机模型、位姿图 SLAM 与编程作业;课程采用其经典章节 Ch2、Ch4–9、Ch10–11。
章节:Ch2 位置与姿态 / Ch3 时间与运动 / Ch4 移动机器人车辆 / Ch5 导航 / Ch6 定位 / Ch7 机械臂运动学 / Ch8 速度 / Ch9 动力学与控制 / Ch10–14 视觉 / Ch15–16 视觉伺服
用于:L1, L7, L8
Introduction to Autonomous Mobile Robots, 2/e 本科主补充
R. Siegwart, I. R. Nourbakhsh, D. Scaramuzza, MIT Press, 2011
六章按「低级 → 高级」组织,适合本科生第一次系统接触移动机器人。
章节:Ch1 引言 / Ch2 运动 / Ch3 移动机器人运动学(约束、机动度、工作空间、运动控制)/ Ch4 感知 / Ch5 定位(置信度、地图表示、概率地图定位、自主构图)/ Ch6 规划与导航
用于:L7
Probabilistic Robotics 节选 · 进阶
S. Thrun, W. Burgard, D. Fox, MIT Press, 2005(17 章)
贝叶斯滤波与概率定位的算法出处与进阶阅读;本科取结论与伪码,完整推导见 Choset Ch8–9。
章节:节选:Ch2 递推状态估计 / Ch3 高斯滤波 / Ch4 非参数滤波 / Ch5 运动 / Ch6 感知 / Ch7–9 定位与占据栅格 / Ch10–13 SLAM / Ch17 探索
用于:L7
Planning Algorithms 算法出处
Steven M. LaValle, Cambridge UP, 2006(官方免费全书)
M28–M30 完备性与复杂度注记的算法原始出处,免费可查;本科不要求 Ch6 与 Ch13–15 的进阶理论。
章节:节选:Ch2 离散规划(Dijkstra/A*)/ Ch4 构型空间 / Ch5 采样规划(RRT/PRM)/ Ch7 扩展 / Ch8 反馈规划
用于:L6
控制基础与最优控制进阶 控制与最优控制
Franklin / Powell / Emami-Naeini《Feedback Control of Dynamic Systems》;Ogata《Modern Control Engineering》;MIT Underactuated Robotics(Tedrake)
补足 Craig Ch9 默认的二阶系统基础;最优控制供高年级选修,内容为概念与 LQR 手算。
章节:基础:二阶系统、根轨迹、频域、状态空间(补 Craig Ch9 前置);选修:Underactuated Ch8 LQR / Ch9 Lyapunov / Ch10 轨迹优化 / Ch7 DP
用于:L0, 选修
Siciliano et al. / Khalil & Dombre / Lynch 机电 习题 · 实现
《Robotics: Modelling, Planning and Control》2009;《Modeling, Identification and Control of Robots》;Lynch, Marchuk & Elwin《Embedded Computing and Mechatronics》Elsevier 2015
为 Craig Ch5 冗余、Ch6 辨识与 Ch8 机构实现提供习题与工程细节。
章节:冗余分辨率与零空间、动力学参数辨识、电机/减速比/传动/传感实现
用于:L3, L4, L8
ROS 2 / Nav2 / CoppeliaSim / OpenCV / MIT OCW 2.12 工程 · 实验
Open Navigation、OSRA、Coppelia Robotics、OpenCV、MIT OpenCourseWare
综合实验平台;MIT OCW 2.12 讲义供坐标系一章原文选读。Nav2 明确区分 SLAM 与 AMCL,便于把 L7 拆成阶段任务。
章节:坐标树、里程计、代价地图、AMCL 与 SLAM 分层、行为树;CoppeliaSim 场景;OpenCV PnP / calibrateHandEye;MIT OCW 2.12 chapter4(CC BY-NC-SA 原文选读)
用于:L8
Modern Robotics: Mechanics, Planning, and Control(研究生衔接) 研究生衔接
Kevin M. Lynch & Frank C. Park, Cambridge UP, 2017;官方免费预印本 v2(2019-12)
两门研究生衔接选修,用于读懂 Drake / URDF 文献中的旋量记号。
章节:只读:Ch3.2–3.4(twist / wrench / 伴随)、Ch4(指数积 PoE)、App C.5(PoE 与 D-H 的关系)
用于:L9 选修
Trajectory Planning for Automatic Machines and Robots 路径与轨迹
L. Biagiotti, C. Melchiorri
路径 / 轨迹 / 时间律 / 速度剖面 / 样条 / 优化全线的经典结构。
章节:Ch1 轨迹规划引论 / Ch2 基元轨迹解析式(三次、五次、七次多项式)/ Ch3 基本轨迹组合(梯形、双 S、多梯形同步、分段多项式)/ Ch4 多点轨迹(插值、三次样条、B 样条、最优轨迹的非线性滤波器)/ Ch5 轨迹的运算(时间缩放、几何缩放)/ Ch6 轨迹与执行器约束 / Ch7 轨迹的动力学与频谱分析 / Ch8 多维轨迹与几何路径规划 / Ch9 从几何路径到轨迹 / App B B 样条与 Bézier / App C 姿态表示
用于:—
时间最优路径参数化(TOPP)经典脉络 轨迹优化
Bobrow & Dubowsky / Shin & McKay / Pfeiffer & Johanni / Slotine & Yang / Verscheure & Hauser / Pham
「优化」一章的文献脉络:目标、约束、凸化与算法演进。
章节:1985 Bobrow、Shin & McKay:数值积分 + 极大值原理,bang-bang 加减速结构、切换点难求;Verscheure & Hauser 2009:以 ṡ² 为变量把问题化为凸优化;Pham 2018 TOPP-RA:网格 + 可达性分析 + 线性规划,无需找动态奇异点。另有 Shiller 时间-能量目标、Kyriakopoulos & Saridis / Piazzi & Visioli 最小 jerk。
用于:—
最优控制与预测控制经典教材 最优控制
Anderson & Moore / Rawlings & Mayne / Boyd & Vandenberghe / MIT Underactuated
LQR、MPC 与轨迹优化三章的算法依据。
章节:MIT Underactuated Ch8 LQR、Ch9 Lyapunov、Ch10 轨迹优化;Anderson & Moore 最优控制(Riccati);Rawlings & Mayne 模型预测控制(滚动时域 / QP);Boyd & Vandenberghe《Convex Optimization》凸约束与 QP 概念(作者提供免费 PDF)。
用于:—
控制工程经典教材与原创论文 控制工程
Ogata / Åström & Hägglund / Slotine & Li / Hogan / Siciliano
控制九章的工程实现与稳定性依据。
章节:Ogata《Modern Control Engineering》状态空间与极点配置;Åström & Hägglund《PID Controllers》整定与抗饱和;Slotine & Li 自适应机器人控制(回归矩阵 Y / 滑模变量 s / 自适应律);Hogan 阻抗控制原始论文;Siciliano《Robotics: Modelling, Planning and Control》Ch5 关节控制 / Ch7 力与阻抗控制。
用于:—