我们今天要说的是：
机器人为什么能够按照人的要求运动？
例如：
机械臂拿起一个杯子；
机器人走路；
宇树 G1/H1 根据人的动作模仿运动；
工业机器人进行焊接、装配。
背后都离不开：
运动规划 → 控制算法 → 动力学补偿 → 力控制
这一整套体系。
一、先建立机器人控制的大框架
先不要看公式，把机器人想象成人的手臂。
比如：
你想拿桌上的水杯。
你的大脑需要完成：
我想拿杯子 ↓ 确定怎么走过去（路线） ↓ 决定手怎么移动（速度） ↓ 控制肌肉发力 ↓ 手碰到杯子 ↓ 根据感觉调整力度机器人也是一样：
任务目标 | ↓ 路径规划 (去哪) | ↓ 轨迹规划 (怎么走) | ↓ 控制算法 (怎么运动) | ↓ 电机驱动 (产生力矩) | ↓ 机器人运动 | ↓ 传感器反馈 (调整)这就是机器人控制的大框架。
二、机器人控制到底控制什么？
机器人控制主要分三类任务。
1. 自由运动控制
机器人没有碰环境。
例如：
机械臂：
当前位置 | | ↓ 目标位置目标：
让机器人末端到达指定位置。
例如：
机械臂：
当前位置： (x1,y1,z1) 目标： (x2,y2,z2)控制机器人：
"移动过去"
这叫：
位置控制
如果目标不是一个固定点，而是一条运动轨迹：
例如：
机械臂画圆：
* * * * * * * *目标：
每个时间点都要满足：
t=1秒 在A点 t=2秒 在B点 t=3秒 在C点叫：
轨迹跟踪
2. 受限运动控制
机器人和环境接触。
例如：
机器人打磨汽车：
机器人 ↓压力 汽车表面不仅要求：
位置正确
还要求：
力度正确。
例如：
擦玻璃：
太轻：
擦不干净
太重：
玻璃破坏
所以需要：
位置 + 力
叫：
力控制
三、机器人控制的两大思想
机器人控制主要分两派：
第一类：运动学控制
核心思想：
不管机器人内部怎么运动，只看误差
比如：
目标：
手移动到：
X=100mm现在：
X=90mm误差：
10mm控制器：
发现差10mm
于是：
增加电机运动。
类似：
汽车自动巡航：
目标速度100km/h 当前90km/h 加油优点
简单。
容易实现。
缺点
不知道机器人内部情况。
例如：
机械臂：
拿一个空杯：
和
拿一个10公斤重物
运动学控制认为：
一样。
但是实际：
电机负载完全不同。
所以：
动态性能不好。
第二类：动力学控制
核心思想：
不仅知道机器人在哪里，还知道为什么运动
机器人运动受到：
质量
重力
惯性
摩擦
关节耦合
影响。
动力学控制：
提前计算：
需要多少力量。
四、机器人运动控制流程
这是最重要的知识。一个完整机器人运动分三个阶段：
第一阶段：路径规划
回答：
从哪里走？
例如：
机械臂：
A点：
A到：
B点：
B路径规划决定：
走哪条路线。
类似地图导航：
北京到上海：
可以：
高速
国道
小路
机器人需要选择：
安全、不碰撞的路径。
常见方法
1. 人工势场法
思想：
目标吸引机器人。
障碍物排斥机器人。
类似：
磁铁：
目标：
吸引
墙：
排斥
示意：
障碍物 ↑ 排斥 机器人 ↓ 目标2. PRM概率路网
全称：
Probabilistic Road Map
思想：
随机撒点。
例如：
房间：
● ● ● ● ●连接这些点。
形成地图。
机器人寻找：
最短路线。
第二阶段：轨迹规划
路径解决：
"走哪"
轨迹解决：
"怎么走"
比如：
路径：
A----------------B但是运动方式不同：
方式1：
突然启动：
速度： | | ______ | |______方式2：
平滑启动：
速度： ______ / / /机器人更喜欢第二种。
轨迹包含：
三个东西：
位置
在哪里。
速度
移动多快。
加速度
速度变化。
轨迹规划分类
1. 关节空间规划
控制：
每个关节。
例如：
机器人：
关节1 | 关节2 | 关节3规划：
关节1转多少
关节2转多少
优点：
计算简单。
2. 笛卡尔空间规划
直接控制末端。
例如：
机械手：
移动：
(x,y,z)优点：
路径直观。
第三阶段：轨迹跟踪控制
现在：
机器人知道：
我要怎么走。
但是：
电机怎么动？
这就是控制。
五、独立PD控制（最基础控制）
这是机器人控制入门第一课。
PD：
两个东西：
P：
比例控制
D：
微分控制
P控制
看当前位置误差。
D控制
看变化速度。
所以：
PD：
误差大 ↓ 快速靠近 接近目标 ↓ 减速 达到目标 ↓ 停止六、为什么需要动力学？
因为机器人不是简单机器。
机器人有：
1. 重力
机械臂举起来：
需要克服重力。
2. 惯性
突然启动：
需要力量。
3. 关节耦合
一个关节运动：
影响其他关节。
例如：
人体：
肩膀动：
手臂也跟着动。
所以：
普通PD：
不知道这些。
动力学控制：
提前补偿。
七、计算力矩控制（机器人高级控制）
这是工业机器人常用方法。
核心思想：
先把复杂机器人变简单
机器人动力学：
原本：
复杂系统 重力 惯性 耦合 混在一起计算力矩控制：
提前计算：
需要多少力。
然后抵消。
变成：
简单系统 像普通PD一样控制过程：
机器人模型 ↓ 计算需要力矩 ↓ 补偿重力/惯性 ↓ PD控制优点：
控制精度高。
缺点：
需要：
准确机器人模型。
八、阻抗控制（机器人接触环境核心）
这个非常重要。
先记一句：
没有接触，就没有真正意义上的阻抗控制。
为什么？
因为阻抗控制解决：
机器人和环境之间的关系。
例如：
机械臂插销。
普通位置控制：
我要到这里 ↓ 硬过去可能：
撞坏。
阻抗控制：
机器人像弹簧。
机器人 ↓ 柔软接触 ↓ 环境类似人的手：
摸鸡蛋。
不会：
硬按。
而是：
自动调整力度。
阻抗控制控制什么？
不是单纯控制位置。
而是控制：
力和位置之间的关系。
例如：
设定：
机器人像：
软弹簧或者：
硬弹簧应用：
装配
插零件。
打磨
保持压力。
人机协作
避免伤人。
九、前馈控制
前面说：
PD控制：
看到误差再调整。
属于：
事后修正。
前馈：
提前预测。
例如：
搬重物。
普通PD：
发现：
手下降了。
然后：
加力。
前馈：
提前知道：
重量10kg。
提前增加力量。
类似：
开车上坡：
普通：
车慢了再踩油门。
前馈：
看到坡：
提前加油。
十、机器人控制完整体系总结
把所有东西串起来：
任务目标 | ↓ 路径规划 (去哪？怎么避障) | ↓ 轨迹规划 (怎么平滑运动) | ↓ ------------------- | | ↓ ↓ 运动学控制 动力学控制 PD控制 计算力矩 | ↓ 重力补偿 | ↓ 接触环境？ | ---------------- | | 否 是 位置控制 阻抗控制 | ↓ 电机执行 | ↓ 传感器反馈 | ↓ 修正运动十一、结合你的宇树 G1/H1 人形机器人理解
你之前说：
人穿动作捕获服 → 电脑 → UDP/WIFI → 机器人模仿动作
这个系统其实属于：
人体运动映射 + 动力学控制
流程：
人体动作 ↓ 动作捕获服 ↓ 人体关节数据 ↓ 人体→机器人关节映射 ↓ 机器人目标姿态 ↓ 轨迹生成 ↓ 控制器 ↓ 电机 ↓ 机器人运动其中：
不是重点：
❌ 自动找路
不是：
"机器人自己走过去"
而是：
✅ 人提供运动目标
机器人负责：
保持平衡
跟踪动作
防止跌倒
调整关节力量
对应技术：
| 功能 | 对应方法 |
|---|---|
| 动作生成 | 轨迹规划 |
| 人体动作转换 | 运动学映射 |
| 关节控制 | PD/MPC |
| 抗扰动 | 动力学控制 |
| 保持站立 | 平衡控制 |
| 人与机器人接触 | 阻抗控制 |
最后建立一个学习路线
如果从零学机器人控制，建议：
第一阶段：基础
理解：
坐标系
机器人关节
正运动学
逆运动学
↓
第二阶段：运动规划
学习：
路径规划
轨迹规划
插值算法
↓
第三阶段：控制
学习：
PID
PD
重力补偿
计算力矩控制
↓
第四阶段：高级机器人
学习：
阻抗控制
MPC
强化学习控制
人形机器人平衡控制
一句话总结：
机器人控制就是：先规划机器人应该怎么动，再通过控制算法让电机产生正确力量，同时利用传感器不断纠正，使机器人稳定、准确、安全地完成动作。
对于你现在研究的宇树人形机器人动作模仿系统，最核心的知识链其实是：
人体动作捕获 → 运动学映射 → 轨迹生成 → PD/动力学控制 → 平衡控制 → UDP实时通信闭环
这条线比传统工业机械臂控制更接近当前人形机器人研究方向。
