电动机和运动

执行器：机器人如何运动

执行器是任何将能量转换为物理运动的装置。执行器是机器人的肌肉。

直流电动机——最简单的电动机。施加电压，轴旋转。反转电压，它向相反方向旋转。速度与电压成正比。直流电动机便宜且快速，但它没有内置的位置检测方式。它们在轮式机器人和简单机制中很常见。

步进电动机——以离散的步长移动，通常每步1.8度（每转200步）。你指定步数，电动机移动完全那么远。步进电动机无需传感器即可提供精确的开环位置控制，但在重负载下可能会失步。在3D打印机、CNC路由器和摄像机云台中很常见。

伺服电动机——一个电动机与位置传感器（编码器）和闭环系统中的控制器相结合。控制器持续比较指定位置与实际位置，并纠正任何误差。伺服电动机提供速度、扭矩和精度的最佳组合。工业机械臂几乎完全采用伺服电动机。

气动执行器——使用压缩空气创建直线或旋转运动。体积小但功率大，但由于空气是可压缩的，精确控制很困难。在工厂夹爪和pick-and-place机器中很常见。

液压执行器——使用压力液体（油）而不是空气。由于液体几乎不可压缩，液压传动以精确控制提供巨大的力。重型建筑设备、大型工业压力机和一些腿式机器人（如波士顿动力公司的早期Atlas）使用液压。权衡是重量、复杂性和液体泄漏的风险。

自由度（DOF）——每个独立的运动轴是一个自由度。典型的工业机械臂有6个DOF：三个用于在空间中定位末端执行器（X、Y、Z），三个用于定向（横滚、俯仰、偏航）。人类手臂有7个DOF。更多的自由度意味着更多的灵活性，但控制和编程的复杂性也更高。

选择正确的执行器

匹配执行器到任务

选择正确的执行器需要了解应用要求：速度、精度、力和环境。

机器人如何感知世界

传感器：机器人的感官

没有传感器，机器人是盲目和聋哑的。传感器提供驱动每项决策的原始数据。

编码器——测量旋转。光学编码器有一个带有槽的磁盘；光线通过，检测器在磁盘旋转时计算脉冲。这告诉控制器一个关节移动了多远。增量编码器计算相对运动；绝对编码器报告上电时的确切角度。每个伺服电动机都有一个编码器。

IMU（惯性测量单元）——结合加速度计（测量线性加速度）、陀螺仪（测量旋转速度）和有时磁力计（测量磁标题）。IMU告诉机器人它的方向和如何通过空间移动。对于无人机、腿式机器人和任何需要保持平衡的移动平台至关重要。

LIDAR（光检测和测距）——发射激光脉冲并测量每个脉冲反射回来所需的时间。这创建了周围的详细2D或3D地图。自动驾驶汽车和仓库机器人使用LIDAR进行障碍物检测和地图绘制。旋转LIDAR每秒可产生数十万次距离测量。

摄像头——提供丰富的视觉数据，但需要大量计算来解释。单个摄像头提供2D图像；立体摄像头（两个摄像头，分离距离已知）提供深度信息。计算机视觉算法处理摄像头数据以进行物体识别、线跟踪和视觉SLAM（同时定位和制图）。

力/扭矩传感器——测量在一个点（通常在机器人的手腕或末端执行器）施加的力和扭矩。对于需要控制接触的任务至关重要：组装（将销钉插入孔中）、抛光和必须检测与人类接触并立即停止的协作机器人。

传感器融合——没有一个传感器是完美的。LIDAR提供精确的距离但没有颜色。摄像头在黑暗中提供丰富的图像但很困难。IMU随时间漂移。传感器融合结合来自多个传感器的数据，以产生比任何传感器单独更准确和可靠的图景。自动驾驶汽车持续融合LIDAR、摄像头、雷达、GPS和IMU数据。

为任务选择传感器

匹配传感器到任务

传感器选择取决于机器人需要知道什么、环境和计算预算。

开环vs闭环

控制：使机器人表现良好

没有控制的机器人只是一堆零件。控制系统是决策层——它们获取传感器数据并计算驱动执行器的命令。

开环控制——发送命令并期待最好的结果。步进电动机命令执行200步会尝试，但如果在重负载下失步，没有任何东西检测到错误。开环简单且便宜，但不能纠正干扰。微波炉是开环的：它按你设置的时间运行，无论食物是否实际变热。

闭环控制——测量输出，将其与所需值比较，并纠正差异。这是反馈控制，是所有严肃机器人的基础。伺服电动机是闭环的：编码器测量实际位置，控制器比较指定位置，并调整电动机电压以缩小差距。

PID控制——最广泛使用的反馈控制器。PID代表比例-积分-微分。

- P（比例）：纠正与当前误差成正比。大误差，大纠正。但单独的P经常超调或以小的持久误差稳定。

- I（积分）：随时间累积过去的误差。如果系统长时间略微偏离，I会建立并推动更硬。这消除了稳态误差，但如果设置太高可能导致振荡。

- D（微分）：响应误差改变的速度。如果误差快速缩小（系统接近目标），D减少纠正以防止超调。D充当阻尼器。

调整PID控制器——找到正确的P、I和D值——部分是科学，部分是工艺。P太多系统会振荡。I太多它会积累和超调。D太多它对噪声有反应。真实机器人通常需要为每个关节进行PID调整。

稳定性——控制系统稳定是指它收敛到所需状态。不稳定的系统以增加的幅度振荡——机器人会自己颤抖散架。稳定性分析是控制工程的核心技能。

应用控制概念

像控制工程师一样思考

理解反馈和PID不仅仅是理论——它解释了为什么机器人的表现是那样的。

状态机和ROS

软件：机器人的大脑

机器人软件从根本上与网络或业务软件不同。它实时运行，与物理硬件交互，必须优雅地处理意外情况——丢落的物体、卡住的关节、进入工作区的人类。

状态机——机器人学中最常见的编程模式。状态机定义一组状态（如IDLE、MOVING、GRIPPING、ERROR）和它们之间的转换。机器人始终处于恰好一个状态。事件触发转换。

例如，一个pick-and-place机器人：

- IDLE：等待命令

- MOVING_TO_PICK：前往拾取位置

- GRIPPING：在物体上关闭夹爪

- MOVING_TO_PLACE：携带物体到目的地

- RELEASING：打开夹爪

- ERROR：出了点问题（物体掉落、关节故障、检测到障碍物）

每个状态都有定义的进入动作、退出动作和转换条件。状态机防止机器人执行无意义的操作——你不能释放从未夹住过的物体。

ROS（机器人操作系统）——实际上不是一个操作系统。ROS是一个中间件框架，提供通信基础设施、硬件抽象和大量可重用包库。它在Linux上运行。使用ROS构建的机器人使用发布-订阅架构：传感器节点在话题上发布数据，控制节点订阅它们需要的话题。这种模块化设计意味着你可以在不重写导航代码的情况下交换LIDAR传感器。

路径规划——机器人如何决定从点A到点B的路线，同时避免障碍物。简单的方法包括路径点导航（跟踪一系列预定义的点）和势场（障碍物排斥，目标吸引）。高级方法如A*和RRT（快速探索随机树）在复杂环境中搜索最优或可行的路径。自动驾驶汽车每秒重新规划多次路径，随着世界的变化。

设计机器人行为

思考机器人软件

好的机器人软件预期故障并优雅地处理。

机器人学职业

在机器人学建立职业

机器人学在制造、物流、医疗、农业和国防领域快速增长。这是主要的职业路径。

机器人学技术员——安装、维护、故障排查和修复机器人系统。这是最容易进入的起点。你与硬件动手工作——更换电动机、校准传感器、重新接线控制器和诊断故障。社区学院课程和制造商认证（FANUC、ABB、KUKA）可以让你快速入门。典型的起始工资：45,000-65,000美元。

控制工程师——设计和调整使机器人表现正确的控制系统。这个角色需要强大的数学（线性代数、微分方程）和编程技能。控制工程师致力于PID调整、运动规划、传感器集成和安全系统。电气、机械或机械工程学学士学位是典型的。薪资范围：75,000-120,000美元。

ROS开发人员/机器人软件工程师——编写协调感知、规划和控制的软件。这些开发人员使用C++和Python，构建ROS节点，实施路径规划算法，并为感知集成机器学习模型。强大的计算机科学技能是必要的。这个角色对自动驾驶汽车、仓库机器人和无人机系统的需求很大。薪资范围：90,000-150,000美元。

自动化集成商——为工厂设计和实施完整的机器人工作单元。集成商解决制造问题（以60单位/小时的速率焊接这两个零件），选择机器人、末端执行器、安全系统和传送带，对整个单元进行编程，并在工厂楼层进行调试。集成商需要跨机械、电气和软件的广泛知识。许多人为系统集成公司工作。薪资范围：70,000-110,000美元。

其他路径——创建机器人结构和机制的机械设计师。设计电源系统和电路板的电气工程师。推动操纵、运动和机器学习在感知中的边界的研究科学家。在极端环境中部署机器人的现场机器人学工程师——水下、地下或太空。

共同的主线：机器人学奖励能够跨学科思考的人。一个纯机械的人在没有软件技能的情况下有困难。一个纯软件的人在没有物理学理解的情况下有困难。最好的机器人学家是T形的——在一个领域的深度专业知识，对所有领域的工作知识。

你的前进之路

反思

你现在已经涵盖了基本构件：执行器、传感器、控制系统、编程模式和职业路径。