嵌入式、机器人、深度学习

我的其他两篇博客，分别介绍了外推法和内推法，本文将二者汇总起来，形成可复用的算法参考自craig的《机器人学导论》

借鉴Craig 的《机器人学导论》第六章（动力学）牛顿-欧拉（Newton-Euler）内推法本文主要是为了梳理一下那个又长角标又多的内推公式到底在做什么。

在推导牛顿-欧拉递推动力学方程时遇到这个问题，故记录一下会用到传输定理，我的另一篇博客已有记录符号形式含义数学性质v⃗\vec{v}v物理矢量几何实体，客观存在，不依赖于坐标系的选择Av{}^{A}vAv坐标表示v⃗\vec{v}v在坐标系A\{A\}A下的投影分量xyzTxyzT，属于R3R3ddtdtd​绝对导数默认指相对于**惯性系（基座）**的时间变化率ABRAB​R旋转矩阵将A\{A\}A系下的表示转换为B\{B\}B。

众所周知，矩阵是一种特殊的张量，通常张量具有长宽高三维，而矩阵就是厚度为1的张量此外，无论是矩阵还是张量，他们本身不具有任何含义，只是一种有特殊结构的数集，具体含义需要在具体的使用场景下被赋予，且在不同场景下具有不同的特性；接下来我们讨论1. 为什么主对角线元素（转动惯量）定义成（轮换对称性）Ixx∫Vy2z2ρdvIxx​∫V​y2z2ρdv推动一个质点mmm需要多少力矩：根据牛顿第二定律FmaF=maFmaFm×rα⏟。

本文参考Craig 的《Introduction to Robotics（机器人学导论）》Craig 的 MDH 方法特别适合处理树状结构（分叉）的机器人，因为它的坐标系 是固连在连杆 上的，且原点通常位于连杆 的前端（即关节 的位置），而标准 DH 的坐标系 固连在连杆 上但原点在连杆的后端（关节i1i+1i1在 Craig 的 MDH 中，变换是从坐标系i−1\{i-1\}i−1到i\{i\}i。参数的下角标非常重要，请注意aaa和α\alphaα。

本文的主要目的是说明速度和静力是如何在各级机械臂关节上传递的属于运动学和动力学之间的过渡部分。

在写其他控制算法的时候突然意识到一个问题：有很多细碎的概念夹杂在各种控制算法中，如果不知道，就不好理解算法，如果每篇博客都单独讲一遍，又非常得冗余，因此决定单开一篇博客，专门记录这些通用的，相对高频出现的控制概念。

pid作为一种通用的泛用的控制方案，在某些工况下还是难以满足需求，比如动作模仿、轨迹规划、调速控制等，只要控制目标涉及到运动的动态过程，pid的效果总是差强人意；因此，需要引入MPC(模型预测控制)，直接针对运动过程中的加速度/速度/位置等状态量直接控制，在更大程度上控制运动的动态。

欧拉角四元数。