R机器人学 · 课程网站ROBOTICS / COURSE SITE
UNDERGRADUATE CURRICULUM / CRAIG SPINE

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。

本科必修不引入旋量、伴随变换、矩阵指数与指数积;现代记号留给两门研究生衔接选修。
50模块
10知识层
145必修学时
2研究生衔接选修
17轨迹与控制章节
13补充教材
01 / TEXTBOOK SPINE

教材骨架:只用一本教材定顺序

Craig Ch1–Ch13 · 不用旋量数学
  • Introduction to Robotics: Mechanics and Control, 4th Edition — John J. Craig;Pearson,第 4 版(Global Edition 2021 / Pearson+ 2023;中译本机械工业出版社)
  • 章节依据:出版社公开目录 ↗;教材主页:Pearson ↗
章Craig 章节对应层模块本科处理
Ch1IntroductionL0M01–M04本科先修:物理、线代、ODE、编程
Ch2Spatial Descriptions and TransformationsL1M05–M09旋转矩阵 + 齐次变换;不引入旋量
Ch3Manipulator KinematicsL2M10–M12D-H 建系与连杆变换连乘
Ch4Inverse Manipulator KinematicsL2M13–M14解析逆解与多解
Ch5Jacobians: Velocities and Static ForcesL3M15–M18几何 Jacobian;力与速度分离讲
Ch6Manipulator DynamicsL4M19–M21牛顿-欧拉递推 + 拉格朗日
Ch7Trajectory GenerationL5M22–M23关节 / 笛卡尔空间时间律
Ch8Manipulator-Mechanism DesignL8M38机构、驱动、传动;用机电教材补实现
Ch9Linear Control of ManipulatorsL5M24二阶误差动力学与 PID
Ch10Nonlinear Control of ManipulatorsL5M25计算力矩 / 反馈线性化
Ch11Force Control of ManipulatorsL5M26混合位置力控制、阻抗
Ch12–13Programming / Off-Line ProgrammingL8M41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–L2M01, M09, M13计算与查表
02 / PRINCIPLES

五条设计原则

一本教材定顺序

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」。

本科可手算优先

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。

现代记号不进必修

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。

缺口按块补,不换语言

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。

显式先修 DAG

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 JacobianCraig Ch5.3–5.7
力wrench、Ad_Tᵀ 力旋量变换力 / 力矩分列、τ = JᵀFCraig Ch5.9–5.11
正运动学螺旋轴 + 指数积 PoED-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—
03 / LAYERS

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515
L2操作臂运动学Craig Ch3–4 · D-H 建系 / 正解 / 逆解515
L3雅可比:速度与静力Craig Ch5 · 速度传递 / 奇异性 / 静力412
L4操作臂动力学Craig Ch6 · 牛顿-欧拉 / 拉格朗日 / 仿真39
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721
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927
L7运动规划Choset Ch2–7 · 构型空间 / 势函数 / 采样 / 微分约束412
L8移动机器人与状态估计AMR / Choset · 轮式运动学 / 里程计 / 滤波 / SLAM618
L9感知、机构与系统集成Craig Ch8, Ch12–13 · 机构 / 视觉 / 抓取 / 编程 / 综合516
L10选修 · 现代记号衔接MR 概念导读,不计必修学时24
04 / MODULES

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
M05L1位置、姿态与位姿的描述3—ᴬp = ᴬR_B ᴮp + ᴬp_BorgG1 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 ↗
M06L1映射:从一个坐标系到另一坐标系3M05ᴬp = 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 ↗
M07L1算子:平移、旋转与齐次变换3M05R_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 ↗
M08L1变换方程与坐标链3M06M07ᴬT_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 ↗
M09L1其他姿态描述:欧拉角 / RPY / 四元数3M07ᴬR_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 ↗
M10L2连杆、关节与 D-H 建系3M08ⁱ⁻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 ↗
M11L2正运动学:连杆变换连乘3M10⁰T_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 ↗
M12L2三种空间、标准命名与工具坐标系3M11q ∈ 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 ↗
M13L2逆运动学:解存在性、子空间与解析解3M11q = 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 ↗
M14L2多解选择、重复精度与数值逆解3M13Δq = 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 ↗
M15L3时变位姿、刚体线速度与角速度3M07v = 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 ↗
M16L3连杆速度传递与 Jacobian3M11M15⁰V = 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 ↗
M17L3奇异性、可操作度与冗余零空间3M16det 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 ↗
M18L3静力、力域 Jacobian 与笛卡尔变换3M16τ = 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 ↗
M19L4加速度、质量分布与牛顿-欧拉方程3M15F = 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 ↗
M20L4牛顿-欧拉递推与封闭形式动力学3M19M16τ = 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 ↗
M21L4拉格朗日方程、笛卡尔动力学与仿真3M19M20d/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 ↗
M22L5路径与轨迹:几何路径、时间律与参数化3M11M13q(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 ↗
M23L5关节空间插值:多项式、边界条件与连续性阶次3M22q(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 ↗
M45L5时间缩放与速度剖面:梯形、双 S 与 jerk 限3M23q̃(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 ↗
M46L5笛卡尔空间路径与姿态插值3M22M09Q(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 ↗
M47L5途经点、分段连续与样条3M23M46S′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 ↗
M48L5轨迹优化:目标、约束与最优时间参数化3M45M47M21min 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 ↗
M49L5从几何路径到轨迹:时间律与控制接口3M48τ_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 ↗
M24L6反馈控制与误差动力学:稳定性与稳态误差3M19M22ë + 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 ↗
M25L6关节 PID:整定、离散实现与工程约束3M24τ[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 ↗
M26L6力控制:混合位置 / 力、阻抗与导纳3M51M18F_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 ↗
M27L6控制综合实验:轨迹 → 控制器 → 闭环3M49M25M51M53M26e = 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 ↗
M50L6状态空间、线性化与极点配置3M25M21ẋ = 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 ↗
M51L6模型前馈与计算力矩控制3M50M21τ = 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 ↗
M52L6LQR 与最优控制入门3M50J = ∫(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 ↗
M53L6模型预测控制与约束处理3M52M48min 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 ↗
M54L6鲁棒、自适应控制与扰动观测3M51τ = 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 ↗
M28L7构型空间、自由空间与 Bug 算法3M12Q_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 ↗
M29L7势函数、路线图与单元分解3M28U(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 ↗
M30L7采样规划 PRM / RRT 与图搜索3M29f(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 ↗
M31L7非完整约束、微分约束与可行轨迹3M30M21A(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 ↗
M32L8轮式机构与移动机器人运动学3M06M28q̇ = 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 ↗
M33L8传感器、里程计与误差传播3M32Σ′ = 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 ↗
M34L8概率基础与离散 / 贝叶斯滤波3M33bel(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 ↗
M35L8卡尔曼滤波 / EKF / 粒子滤波3M34K = 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 ↗
M36L8定位、地图表示与占据栅格3M35M32lₜ = 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 ↗
M37L8SLAM 入门、导航与探索3M36M30min_{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 ↗
M38L9机构设计、驱动、传动与传感3M20M27τ_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 ↗
M39L9相机模型、标定与三维位姿估计3M33M06s[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 ↗
M40L9抓取:接触、摩擦锥与形/力封闭3M18M26|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 ↗
M41L9机器人编程、离线编程与仿真3M27M23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 ↗
M42L9综合实验:感知 → 规划 → 控制闭环4M37M39M40M41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 ↗
M43L10twist / wrench 与伴随变换(概念导读) 选修2M15M18V = (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 ↗
M44L10指数积 PoE 与 URDF(概念导读) 选修2M11M43T(θ) = e^[S₁]θ₁ ⋯ e^[Sₙ]θₙ MURDF 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 ↗
05 / ROUTES

授课路线与先修链

核心必修路线

M01 → M05 → M08 → M10 → M11 → M16 → M20 → M22 → M24 → M25 → M42

移动 / 导航路线

M28 → M32 → M33 → M34 → M35 → M36 → M37 → M42

研究生衔接选修

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。
06 / FOCUS

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。

07 / GAPS

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 Ch4–6L7 · 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 / SLAMCraig 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-eyeL8 · 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、SicilianoL8 · 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
08 / SUPPLEMENTS

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:—

09 / MATERIALS

延伸资料

课程地图

50 章总表、逐章详解、十层骨架与各章先修关系。

章节课件

50 章一页两栏课件,按知识层检索,每章可直接打开。