4. 逆运动学：逆运动学问题描述、解析法与数值法、多解与奇异位形
好，咱们接着聊运动学。上一章我们讲了正运动学，说白了就是给定关节角度，算出末端执行器在哪。那逆运动学呢？正好反过来——我知道末端要去哪，你给我算出每个关节该转多少度。
听起来好像就是解个方程？嗯，没那么简单。我在项目里吃过不少亏，今天就把这些坑一个个给你指出来。
4.1 逆运动学问题描述
先给个正式定义：逆运动学（Inverse Kinematics, IK）就是已知末端执行器在笛卡尔空间的位置和姿态，求解机器人各关节变量的过程。
数学上可以写成：
给定：T = [R p; 0 1] （末端位姿矩阵）
求解：θ₁, θ₂, ..., θₙ （各关节角度）
满足：f(θ₁, θ₂, ..., θₙ) = T这里 f 就是正运动学函数。说白了，逆运动学就是正运动学的反函数。
但问题来了——这个反函数通常不好求。为什么？
- 非线性：关节角度和末端位置之间是三角函数关系，不是简单的线性映射
- 多解性：同一个末端位置，可能有多种关节角度组合
- 无解：有些位置机器人根本够不着
- 奇异位形：某些位形下，关节速度会变得无穷大
我个人习惯把逆运动学问题分成两类：一类是解析法能解的，一类是只能靠数值法硬算的。下面我们分别来看。
4.2 解析法
解析法，就是通过代数或几何推导，直接写出关节角度的表达式。优点是快、准、稳。缺点是——不是所有机器人都能用。
什么样的机器人能用解析法？满足 Pieper 准则的机器人：三个相邻关节轴交于一点，或者三个相邻关节轴平行。大多数工业六轴机器人（比如 KUKA、ABB）都满足这个条件。
核心思路：把逆运动学问题拆解成多个子问题，每个子问题对应一个或两个关节的求解。
举个例子，一个简单的 2R 平面机械臂：
已知：末端位置 (x, y)，杆长 L₁, L₂
求：关节角 θ₁, θ₂
解：
1. 先求 θ₂（肘关节）：
cosθ₂ = (x² + y² - L₁² - L₂²) / (2L₁L₂)
θ₂ = ±arccos(cosθ₂) // 注意有正负两个解！
2. 再求 θ₁（肩关节）：
β = atan2(y, x)
α = atan2(L₂sinθ₂, L₁ + L₂cosθ₂)
θ₁ = β - α你看，这里就出现了多解——肘关节可以向上弯，也可以向下弯。这就是所谓的「肘上」和「肘下」构型。
我的经验：在实际项目中，我一般优先用解析法。因为速度快，而且能明确知道有多少组解。我曾经在一个焊接机器人项目里，就因为用了数值法没控制好解的选择，导致机器人走了一条奇怪的路径，差点撞到工件。后来换成解析法，把多解情况全部枚举出来，再根据避障和关节限位筛选，问题就解决了。
4.3 数值法
当机器人不满足 Pieper 准则，或者结构比较复杂时，解析法就不好使了。这时候就得请出数值法。
数值法的核心思想是迭代逼近：先猜一组关节角度，算一下末端位置，看看和目标的差距，然后调整关节角度，再算，再调……直到误差足够小。
最常用的方法是牛顿-拉夫森法和雅可比伪逆法。
算法流程（雅可比伪逆法）：
1. 初始化：θ = θ₀（初始猜测）
2. 循环直到收敛：
a. 计算当前末端位姿 T_curr = f(θ)
b. 计算误差 ΔT = T_desired - T_curr
c. 如果 ||ΔT|| < ε，跳出循环
d. 计算雅可比矩阵 J(θ)
e. 计算关节增量 Δθ = J⁺ · ΔT （J⁺ 是 J 的伪逆）
f. 更新 θ = θ + Δθ
3. 返回 θ注意：数值法有几个坑：
- 初始值敏感：猜得不好可能不收敛
- 局部最优：可能找到的不是你要的那组解
- 奇异位形附近：雅可比矩阵会病态，增量变得很大
我曾经在一个协作机器人项目里，用数值法做逆运动学。有一次机器人突然抖了一下，我一看日志，原来是走到了奇异位形附近，雅可比矩阵的伪逆算出来的关节速度大得离谱。从那以后，我每次用数值法都会加一个阻尼项——这就是阻尼最小二乘法（DLS），也叫 Levenberg-Marquardt 方法。
4.4 多解问题
逆运动学有多解，这是常态。一个六轴机器人，同一个末端位姿，可能有 8 组甚至 16 组解。
常见的多解情况：
- 肘上/肘下：肘关节的两种弯曲方向
- 肩左/肩右：肩关节的两种朝向
- 腕翻转：腕关节的两种姿态
这么多解，选哪个？
我个人习惯按以下优先级筛选：
- 关节限位：先排除超出关节角度范围的解
- 避障：排除会和环境碰撞的解
- 最短路径：选择离当前关节角度最近的解
- 运动平滑性：选择能让运动更平滑的解
避坑指南：我曾经在调试一个喷涂机器人时，发现机器人每次经过同一个点，关节角度都不一样。后来查了半天，发现是逆运动学求解器每次随机选了一组解。解决方案很简单——加入「解连续性」约束，让相邻时刻的解尽量接近。
4.5 奇异位形
奇异位形，说白了就是机器人「卡住」的位置。在这个位置，机器人会失去某个方向的运动能力。
从数学上看，奇异位形就是雅可比矩阵 J 的秩降低的时候。这时候 J 不可逆，关节速度和末端速度的关系变得很奇怪。
常见的奇异位形：
| 类型 | 描述 | 例子 |
|---|---|---|
| 边界奇异 | 机器人完全伸直或完全折叠 | 肘关节 0° 或 180° |
| 内部奇异 | 两个或多个关节轴共线 | 腕关节的 4、6 轴共线 |
| 肩部奇异 | 肩关节和腕关节中心重合 | 六轴机器人肩部奇异 |
奇异位形有什么危害？
- 关节速度会变得非常大（理论上无穷大）
- 机器人可能突然加速，造成危险
- 数值法求解会发散
我的教训：有一次在调试一个码垛机器人，程序里没做奇异位形检测。结果机器人走到某个位置时，第 4 关节突然以 500°/s 的速度猛转，差点把电机烧了。从那以后，我写逆运动学代码一定会加奇异位形检测，并在附近切换成阻尼最小二乘法。
4.6 知识体系总览
下面这张图把逆运动学的核心内容串起来了：
嗯，逆运动学的内容就这些。说白了就是：能解析就解析，不行就数值迭代。多解要会选，奇异要会躲。这些都是我实际项目中踩过的坑，希望能帮你少走弯路。