一、动作表征基础
什么是动作表征
动作表征，说白了就是——怎么用数学语言描述机器人的动作。
我刚开始接触这个领域时，觉得这问题太简单了。不就是记录关节角度吗？后来真上手做项目才发现，事情远没那么简单。你想想看，一个机械臂抓杯子，光记录六个关节的角度，能描述清楚「抓」这个动作吗？显然不能。
动作表征要解决的核心问题是：如何用一组数字，完整、紧凑、可泛化地表示一个动作。这里的「完整」意味着不丢失关键信息，「紧凑」意味着不冗余，「可泛化」意味着相似动作在表征空间里距离相近。
核心观点：动作表征是连接「感知」和「控制」的桥梁。没有好的表征，再强的算法也白搭。
动作表征在机器人学中的重要性
为什么我这么看重动作表征？因为我在实际项目中吃过亏。
几年前做机器人模仿学习，我们直接用关节角度作为动作表征。结果呢？同样的抓取动作，换个初始位置就完全学不会了。后来换成末端位姿加相对位移，效果立竿见影。嗯，这就是表征的力量。
具体来说，动作表征的重要性体现在三个方面：
- 控制精度：好的表征能让控制器更精准地跟踪目标轨迹
- 学习效率：合适的表征能大幅减少训练所需的数据量
- 泛化能力：抽象的表征能让学到的技能迁移到新场景
我个人习惯把动作表征分为三个层次：
- 底层表征：关节空间、任务空间的位置/速度/力
- 中层表征：轨迹基元、运动基元（如DMP）
- 高层表征：语义化的动作描述（如「抓取」「放置」）
这节课我们先啃底层表征的数学基础。这是后面所有内容的地基，必须打牢。
动作表征的数学基础
位姿（Pose）
位姿 = 位置 + 姿态。位置好理解，就是三维空间中的坐标 (x, y, z)。姿态就有点绕了——它描述的是物体「朝哪个方向」以及「怎么旋转」。
我建议你把位姿想象成这样一个问题：我想把一个坐标系，和另一个坐标系对齐，需要做哪些操作？
答案很明确：先平移，再旋转。平移用向量，旋转用矩阵或四元数。
小技巧：在实际工程中，我习惯用齐次变换矩阵 T 来统一表示位姿。一个 4x4 矩阵，左上角 3x3 是旋转，右上角 3x1 是平移，最后一行是 [0 0 0 1]。干净利落。
旋转矩阵
旋转矩阵是描述姿态最直观的方式。它是一个 3x3 的正交矩阵，行列式为 +1。
为什么用矩阵？因为方便计算。两个旋转叠加，就是矩阵相乘。一个向量旋转后是多少，就是矩阵乘向量。
但旋转矩阵有个致命问题——冗余。9个参数描述3个自由度，而且还得时刻保证正交性。我在做优化时最烦这个，每次迭代完都得重新正交化，麻烦得很。
// 旋转矩阵示例：绕Z轴旋转θ角
R_z(θ) = [
[cosθ, -sinθ, 0],
[sinθ, cosθ, 0],
[0, 0, 1]
]避坑指南：我曾经在代码里直接用旋转矩阵做插值，结果轨迹出现了诡异的「抖动」。后来才发现，旋转矩阵线性插值得到的矩阵根本不是旋转矩阵。记住：旋转矩阵的线性组合不一定是旋转矩阵！
四元数
四元数是我个人最喜欢的姿态表征方式。它用4个参数表示3个自由度，没有冗余，也没有奇点。
四元数长这样：q = w + xi + yj + zk，或者写成 (w, x, y, z)。其中 w 是实部，(x, y, z) 是虚部。
直观理解：四元数描述的是「绕某个轴转某个角度」。轴是单位向量 (x, y, z)，角度 θ 满足 w = cos(θ/2)。
为什么用半角？因为这样两个四元数相乘就能表示旋转的复合。这个性质太优雅了。
// 四元数乘法（表示旋转复合）
q1 * q2 = (w1*w2 - x1*x2 - y1*y2 - z1*z2,
w1*x2 + x1*w2 + y1*z2 - z1*y2,
w1*y2 - x1*z2 + y1*w2 + z1*x2,
w1*z2 + x1*y2 - y1*x2 + z1*w2)重要提醒：四元数有「双重覆盖」问题——q 和 -q 表示同一个旋转。做优化时如果不加约束，可能会在两个等价解之间来回跳。我一般会强制 w ≥ 0 来避免这个问题。
三种表征方式的对比
| 表征方式 | 参数数量 | 优点 | 缺点 |
|---|---|---|---|
| 旋转矩阵 | 9 | 直观，计算方便 | 冗余，需正交化 |
| 欧拉角 | 3 | 参数最少，易理解 | 有万向锁，插值困难 |
| 四元数 | 4 | 无奇点，可平滑插值 | 不够直观，有双重覆盖 |
我个人在实际项目中的选择原则：做控制用四元数，做可视化用欧拉角，做理论推导用旋转矩阵。各取所长，别死磕一种。
知识体系总览
下面这张图概括了本章的核心逻辑。我画它的时候特意把「动作表征」放在中心，因为它确实是整个课程的基石。
从这张图可以看得很清楚：动作表征的核心就是「位置」和「姿态」的组合。位置相对简单，姿态才是真正的难点。而姿态的三种数学工具——旋转矩阵、欧拉角、四元数——各有适用场景。
我建议初学者先从旋转矩阵入手，理解旋转的代数结构。然后过渡到四元数，体会它的优雅和高效。至于欧拉角，了解即可，实际项目中我很少用它做核心计算——万向锁太坑了。
我的学习建议：别光看书。打开Python，用numpy和scipy.spatial.transform库，把旋转矩阵、四元数、欧拉角之间的转换亲手写一遍。代码跑通了，才算真懂了。
公众号:蓝海资料掘金营，微信deep3321