打卡学习 | 机器人学导论8

打卡学习 week8 | 机器人学导论

前情回顾

在上周以简单的物体取放任务为例，学习了通过坐标系转换求解出操作臂的逆运动方程。SOLVE函数是逆运动学函数，对于计算{W}相对于{B}的位置的SOLVE函数这样表示：${}_W^{B}T$=${}_S^{B}T$ ${}_T^{S}T$ ${}_T^W{T}^{-1}$，求解步骤分为三步：1.定义DH 坐标系；2.找出${}_C^{W}T$，再进一步找出${}_6^{0}T$；3.找出${\theta }_1$—${\theta }_6$。

机械臂轨迹规划

轨迹：机械臂的位置、速度、加速度对时间的经历。
可进一步定义为{T}相对{G}的状态历程。

这是一条理想状态下的平滑曲线
有起点，中间点和终点。

Joint-Space 下的轨迹规划

步骤：
1.定义{T}相对于{G}的初始点，中间点和结束点，${}_T^G{T}_i$，将${}_T^G{T}_i$以6个参数方式来表达：

2.逆运动学转换：将机械臂末端点状态转换到Joint状态：${}^G{X}_T$→${\theta }_i$
3.对所有Joint规划理想平滑轨迹
4.顺向运动学转换：将joint状态转换到机械臂末端点状态，检查所设想轨迹的可行性。
用图表将其直观化：

笛卡尔坐标系下的轨迹规划

步骤：
1.定义{T}相对于{G}的初始点、中间点和结束点，${}_T^G{T}_i$，将${}_T^G{T}_i$以6个参数方式来表达：

2.将所有机械臂末端状态规划理想平滑轨道；
3.将规划好机械臂末端点状态的轨迹点转换到Joint状态：${}^G{X}_T$→${\theta }_i$；
3.检查joint状态在Joint-space下轨迹的可行性。
这种方法的特点有：
1.具有较为直观的轨迹；
2.但是计算量更大。
使用图标更为直观的展示：

轨迹规划的方法

一，三次多项式(Cubic Polynomials)

原则
轨迹：不同轨迹区段[$t_i$ $t_i+1$]以不同参数的函数来规划；
需要定义各函数的边界条件（包含位置和速度 θ($t_i$)，θ($t_i+1$)，θ^.($t_i$)，θ^.($t_i+1$)，有4个条件）
以三次多项式来规划轨迹。

求解三次多项式
通式
θ($\tilde{t}$)=$a_0$+$a_1$ $\tilde{t}$+$a_2$ $\tilde{t}$^2+$a_3$ $\tilde{t}$^3
（有4个未知量$a_0$~$a_3$）
对每一个区段：t∈[$t_i$,$t_i+1$]

边界条件

联立方程式 ① ② ③ ④

以矩阵的方式运算


所以

———————————————————————————————————

本次学习到此结束
———————————————————————————————————
2023.11.19（补2023.11.12）