機器人的控制演算法

1. 機器人控制有哪些經典演算法

機器人的控制和機械臂的控制是不太一樣的，如果是小車類的，推薦Arino，入門資料非常多，簡單的機械臂控制也有不少；如果是類似工業機械臂的那種，最好看一下機器人運動學，了解下正逆運動學求解相關的知識，Matlab有個工具箱matlab robotics toolbox，用來入門非常不錯，當然C++、VB都可以用來編程的：D

2. 機器人控制演算法怎麼編寫

電機控制指令的寫入和狀態讀取對應硬體不同寄存器/地址，用中斷服務程序去負責讀取和寫入，剩下的邏輯運算，用你的c程序去做。

3. 核心演算法是什麼它對機器人有多重要

機器人的演算法大方向可以分為感知演算法與控制演算法，感知演算法一般是環境感知、路徑規劃，而控制演算法一般分為決策演算法、運動控制演算法。環境感知演算法獲取環境各種數據，通常指以機器人的視覺所見的圖像識別等 。

雖然對於工業機器人來說，要想實現高速下穩定精確的運動軌跡，精密的配件必不可少，如電機，伺服系統，還有非常重要的減速機等等。但是這些都只是硬體的需求，僅僅只有好的硬體，沒有相應的核心演算法，也就是缺少了控制硬體的大腦，那麼工業機器人使用再好的硬體，也只能完成一些精確度要求不高的簡單工作，而且還容易出問題。而這就是中國機器人製造商面臨的最大問題。

作為工業級產品，衡量機器人優劣主要有兩個標准：穩定性和精確性。核心控制器是影響穩定性的關鍵部件，有著工業機器人“大腦”之稱。而軟體相當於語言，把“大腦”的想法傳遞出去。 要講好這門“語言”，就需要底層核心演算法。

好的演算法，幾千行就能讓機器人穩定運行不出故障；差的演算法，幾萬行也達不到人家的水準。不掌握核心演算法，生產精度需求不高的產品還勉強可以，但倘若應用到航天航空、軍工等高端領域，就只能依賴進口工業機器人了。

對於機器人來說，每一個動作都需要核心控制器、伺服驅動器和伺服電機協同動作，而現在的機器人通常擁用多個伺服器，因此多台伺服系統更需要核心演算法提前進行計算。只有通過底層演算法，國外核心控制器才可以通過伺服系統的電流環直接操作電機，實現高動態多軸非線性條件下的精密控制，同時還能滿足極短響應延時的需求。這也是為何如今在中國的機器人市場上，6軸以上的高端機器人幾乎被國外的機器人公司壟斷。

4. 機器人位置控制演算法原理是什麼，為什麼這么設計就能

大概所有控制的框架都是給定和反饋產生誤差並處理然後執行影響被控量，這么說肯定是有點暈了。換種說法吧，毛主席說，革命的首要問題就是要分清楚說是敵人和什麼來著。對所有的控制來說，首要問題就是搞清楚，你要控制的物理量是什麼（被控量）？你通過什麼物理量（控制量）來影響被控量。然後由此才有採用開環，閉環之類的。位置控制和其它所有控制比起來也沒什麼特殊的，對工業機器人而言，就是機器人末端在三維空間的位置（姿態先忽略）。那麼位置是被控量，控制量就是各個關節的位置，因為可以通過各個關節的位置來影響這個位置（被控量）至於控制的演算法，就有很多了，基本都是對誤差的處理，最常用的大概就是PID了。

5. 機器人是怎麼控制運動平衡的

一種方法是採用動態平衡演算法。

真實人體就是類似的，比如你可以單腳站立，你會發現每每身體傾斜的時候，你的小腦都會發出指令，控制你的身體做對應調整，包括上身、手臂等調整姿態（改變重心相對支點的位置）；你的腳也會對應動態調整，一會兒前腳掌或腳趾用力（支點前移），一會兒腳跟用力（支點後移），一會兒腳左側用力、一會兒右側用力。

這就是小腦（計算機-運動控製程序）發現身體失去平衡，並且探知傾斜方向（感測器：力感測器、位置感測器、視覺感測器等），小腦發出指令調節身體動作（程序採用PID演算法或其他演算法，對應當前的偏差給出對應幅度的動作，通常也是調整重心和支點的位置，或臨時採用某部位加速運動的反作用力）由於程序是不斷掃描進行的，比如每1毫秒完成一個掃描周期，那麼就每1毫秒判斷一下當前的狀態，更新一下對策動作幅度，實現動態平衡。

機器人（Robot）是自動執行工作的機器裝置。它既可以接受人類指揮，又可以運行預先編排的程序，也可以根據以人工智慧技術制定的原則綱領行動。它的任務是協助或取代人類工作的工作，例如生產業、建築業，或是危險的工作。

6. 機器人 運動控制演算法 主要有哪些

隨著電子技術、自動化控制和計算機應用的發展,台式機器人的運動控制不斷向著高精度、高速度、微型化、智能化和通用化方向發展。目前,以數字信號處理器(DSP)和現場可編..

7. 機器人有哪些控制方式

機器人控制理論：控制方法千奇百怪，這里僅舉機器人臂的兩個比較經典而常用的方法：混合力位控制和阻抗控制。

混合力/位控制（Hybrid Force/Position Control）是Mark Raibert（現今Boston Dynamics老闆）和John Craig於70s末在JPL的工作成果，當時他們是在Stanford臂上做的實驗，研究例如裝配等任務時的力和位置同時控制的情況。
阻抗控制（Impedance Control）是N.Hogan的工作成果。維納晚年，對人控制機器臂很感興趣。後來，他組織了MIT的Robert Mann，Stephen Jacobsen等一夥人開發了基於肌肉電信號控制的假肢臂，叫Boston Elbow。後來，Hogan繼續Mann的工作，他覺得假肢是給人用的，不應當和工業機器人一樣具有高的剛度，而應該具有柔性，所以後來引入了阻抗。
其他控制。

建議：自己也在鑽研，共同學習吧。

首先，要建立控制理論的基本概念，如狀態方程、傳遞函數、前饋、反饋、穩定性等等，推薦Stanford大學教授Franklin的《Feedback Control of Dynamic Systems》；
關於機器人控制的入門讀物，解釋的最清晰的當屬MW Spong的《Robot modeling and control》，書中不僅詳細講解了基於機器人動力學的控制，也講解了執行器動力學與控制(也即電機控制)。
關於非線性控制理論，推薦MIT教授J.J.E. Slotine的《Applied Nonlinear Control》。
1) Harvard的Roger Brokett教授及其學生Frank Chongwoo Park等；
2) UC Berkeley的Shankar Sastry教授及其學生Richard Murray，Zexiang Li等。
3) uPenn的Vijay Kumar教授，他和他的學生Milos Zefran以及Calin Belta在90年代研究了基於Differentiable Manifold的單剛體運動學和動力學。
4）上述2）中Richard Murray的學生Andrew Lewis和Francesco Bullo等研究了基於differentiable manifold和Lagrange Mechanics的機器人動力學以及幾何控制理論（Geometric Control Theory）。

首先，把描述機器人運動學和力學搞定。J.J. Craig出版於80s的《Introction to Robotics: Mechanics and Control 》，或者R. Murray出版於90s的《A Mathematical Introction to Robotic Manipulation》都行。對於機器人的數學基礎，最新的成就是基於Differentiable Manifold（微分流形）、Lie group（李群）和Screw Theory（旋量理論）的。在這方面，個人認為以下研究團隊奠定了機器人的數學基礎理論：

再次，必要的反饋控制基礎當然是不能少的。關於控制，並不推薦把下面的教材通讀一遍，僅需要了解必要的控制理念即可。陷入繁雜的細節往往不得要領，並浪費時間。具體的問題需要研讀論文。

機器人家上看到的，望採納