坐标系与运动学：关节空间与笛卡尔空间，正逆运动学基础

各位同学，大家好。我是你们这堂课的主讲人。咱们直接进入正题。

做多轴同步控制，你绕不开一个核心问题：机器人的“脑子”里，到底在想什么？ 说白了，就是它怎么知道自己该往哪儿动，以及怎么动。

这背后，就是坐标系和运动学。我刚开始接触这行的时候，也觉得这东西太理论，不就是个坐标嘛。直到有一次，我在调试一台六轴机器人时，发现它走直线总是抖，查了三天，最后发现是逆运动学求解时，一个奇异点没处理好。嗯，从那以后，我再也不敢小看这些基础了。

今天，我们就来把这两个空间和正逆运动学，彻底聊透。

1. 两个世界：关节空间 vs 笛卡尔空间

想象一下，你面前有一台六轴机器人。你让它去抓一个杯子。

你脑子里想的是：“手爪移动到杯子位置，然后抓取。” 这个“杯子位置”，是在一个三维空间里，用 (X, Y, Z) 坐标加上姿态 (A, B, C) 来描述的。这个空间，我们叫它笛卡尔空间，也叫操作空间或任务空间。

但机器人自己呢？它不知道什么是 X, Y, Z。它只知道：“关节1转多少度，关节2转多少度……关节6转多少度。” 它只认每个电机轴的角度或位置。这个由所有关节角度构成的空间，就是关节空间。

这两个空间，就像硬币的两面。一个是我们人类直观理解的，一个是机器内部真正执行的。

我个人习惯，在做轨迹规划时，先在笛卡尔空间里把路径点算好，然后再转换到关节空间去执行。为什么？因为这样能保证末端执行器走直线或者圆弧，对工艺更友好。

2. 正运动学：从关节到笛卡尔

正运动学，说白了就是：我知道每个关节转了多少度，求手爪在空间里的位置和姿态。

这是一个“唯一解”的问题。你给定了关节角度，手爪的位置就是确定的，没有第二种可能。

怎么算？核心是坐标变换。每个关节的运动，都可以用一个4x4的齐次变换矩阵来描述。把从基座到末端的所有变换矩阵乘起来，就得到了末端在基座坐标系下的位姿。

公式长这样（别怕，理解逻辑就行）：

T_06 = T_01 * T_12 * T_23 * T_34 * T_45 * T_56

其中，T_01 表示从基座到关节1的变换，T_12 是从关节1到关节2，以此类推。最终得到的 T_06，就是末端执行器相对于基座的位置和姿态。

我记得在做一个SCARA机器人的项目时，正运动学算起来特别快，因为结构简单，矩阵乘法几下就搞定了。但到了六轴机器人，计算量就上来了，不过现在CPU都很快，实时算也没问题。

3. 逆运动学：从笛卡尔到关节

逆运动学就反过来了：我知道手爪要去哪个位置和姿态，求每个关节该转多少度。

这才是真正头疼的地方。因为逆运动学通常有多解，甚至无解。

为什么会这样？你想想看，一个六轴机器人，要到达空间中的同一个点，可能有8种不同的“姿势”。比如“肘部朝上”和“肘部朝下”，都能让手爪到同一个位置。

逆运动学的求解方法，主要有两种：

• 解析法（封闭解）：通过数学推导，直接得到公式。速度快，适合实时控制。但只适用于满足特定几何条件的机器人（比如后三个关节轴线交于一点）。
• 数值法（迭代法）：比如牛顿-拉夫森法。通用性强，任何机器人结构都能用。但计算慢，而且可能不收敛。

我个人更偏爱解析法。只要机器人结构允许，我一定优先用解析法。为什么？因为稳定、快。我曾经在一个项目中，用了数值法做逆解，结果在奇异点附近，迭代死活不收敛，导致机器人突然“抽风”。后来换成解析法，加上奇异点处理，问题就解决了。

4. 知识体系总览

为了让大家更直观地理解这两个空间和正逆运动学的关系，我画了一张图。

这张图很清楚地展示了：正运动学是从关节空间到笛卡尔空间的单向映射，而逆运动学则是反过来。在实际控制中，我们通常是在这两个空间之间来回穿梭。

5. 实战中的选择

那么问题来了：什么时候用关节空间控制？什么时候用笛卡尔空间控制？

我给大家一个简单的判断标准：

控制场景	推荐空间	原因
点到点移动（PTP）	关节空间	速度快，路径不重要，只要起点终点对就行
直线/圆弧插补	笛卡尔空间	需要保证末端走特定轨迹，对工艺精度要求高
避障	笛卡尔空间	障碍物通常用笛卡尔坐标描述，方便做碰撞检测
奇异点附近	关节空间	笛卡尔空间在奇异点附近速度会突变，关节空间更安全

你看，没有哪个空间是万能的。实际项目中，往往是混合使用。比如，先规划一条笛卡尔空间的路径，然后在每个插补周期里，用逆运动学算出关节角度，再下发到伺服驱动器去执行。

好了，关于坐标系与运动学的基础，我们就聊到这里。记住，正运动学是确定的，逆运动学是复杂的。理解这两个空间，是后面所有同步控制算法的基础。下一节，我们会深入讨论如何在关节空间里做插补和速度规划。

---