简介：这份资源是John J. Craig《机器人学导论》第三版的配套习题解答手册，面向学习机器人学课程的高校学生、任课教师及自学者，用于在阅读教材后对照练习、检验对知识点的掌握程度。压缩包内共1个PDF文件，约2.96MB，内容为英文版Solutions Manual，覆盖教材各章练习的求解过程。手册涉及刚体动力学、运动学、传动机构与机械臂建模等机械学主题，也包含PID控制、状态空间模型、线性二次型最优控制、稳定性分析与鲁棒控制、自适应控制策略等控制理论内容，并延伸至视觉与力/扭矩传感器、A*与Dijkstra路径规划等应用方向。解题过程常需线性代数、微积分与微分方程基础，部分题目涉及符号计算和数值求解，可配合MATLAB等工具验证。已有502人学习，适合希望系统梳理概念、对照答案排查思路的读者使用。
1. 机器人学导论复习地图：从习题答案反推知识骨架
很多人复习机器人学，第一反应是翻公式、背矩阵，结果越背越乱。换个思路：拿一份课后习题解答手册当“反向地图”，从题目分布反推知识骨架，效率会高得多。机器人学的核心其实就两条主线——机械学与控制，前者回答“机器人怎么动”，后者回答“怎么让它按想要的方式动”。中间穿插传感器、反馈、路径规划这些连接件。整本书的习题基本围绕刚体变换、正逆运动学、雅可比、轨迹生成、动力学、控制律设计这几块展开。如果你正在系统学这门课，或者备考前想快速定位薄弱环节，这份地图能帮你把零散公式串成一条线。梳理下来会发现，真正拉开差距的不是会不会推公式，而是知不知道每个公式在解决哪类问题、边界在哪。
2. 机械学主线：位姿描述、正逆运动学与雅可比的复习重点
机械学部分是整门课的地基，习题量也最大。它的逻辑链条很清晰：先学会用数学描述“机器人在哪、朝哪”，再解决“给定关节角求末端位姿”（正运动学）和“给定末端位姿求关节角”（逆运动学），最后用雅可比把关节速度和末端速度连起来。这条链上任何一环断了，后面的动力学和控制都无从谈起。
2.1 位姿描述与齐次变换：一切计算的起点
机器人学里描述一个刚体的位置和姿态，标准做法是“位置向量 + 旋转矩阵”，合起来用 4×4 齐次变换矩阵表示。习题里最常见的翻车点不是不会乘矩阵，而是旋转顺序搞反、坐标系标注混乱。记住一个原则：变换矩阵的左乘右乘取决于你是“绕固定坐标系转”还是“绕当前坐标系转”，这两种约定在教材里反复出现，做题时先看清题目用的是哪一种。
齐次变换的基本形式如下，旋转部分 R 是 3×3 正交矩阵，p 是 3×1 平移向量：
import numpy as np def homogeneous_transform(R, p): # R: 3x3 旋转矩阵，p: 3x1 平移向量 T = np.eye(4) T[:3, :3] = R T[:3, 3] = p.flatten() return T # 绕 z 轴旋转 theta 的基本旋转矩阵 def rot_z(theta): c, s = np.cos(theta), np.sin(theta) return np.array([[c, -s, 0], [s, c, 0], [0, 0, 1]])这段代码的关键在于T[:3, :3]放旋转、T[:3, 3]放平移，最后一行固定为[0,0,0,1]。参数 theta 用弧度制，教材习题里经常混用角度和弧度，代入前务必统一。复合变换时，T = T1 @ T2的顺序决定了是相对固定系还是相对动系，这是习题里最容易丢分的地方。
2.2 正运动学与 D-H 参数：连杆链的建模套路
正运动学的任务是把一串关节角映射成末端位姿。标准做法是 D-H 参数法：为每个连杆定义四个参数（连杆长度 a、扭角 α、关节偏距 d、关节角 θ），然后连乘变换矩阵。习题里给一张连杆参数表让你写变换矩阵，考的就是你能不能把表里的数正确塞进公式。
D-H 变换矩阵的通用形式是四个基本变换的乘积：
def dh_transform(a, alpha, d, theta): # 标准 D-H：先绕 z 转 theta，再沿 z 移 d，再沿 x 移 a，最后绕 x 转 alpha ct, st = np.cos(theta), np.sin(theta) ca, sa = np.cos(alpha), np.sin(alpha) return np.array([ [ct, -st*ca, st*sa, a*ct], [st, ct*ca, -ct*sa, a*st], [0, sa, ca, d], [0, 0, 0, 1] ])参数含义要记牢：a 和 α 描述连杆本身的几何，d 和 θ 描述相邻连杆的连接关系。做题时先确认题目用的是标准 D-H 还是改进 D-H，两者坐标系建立方式不同，矩阵形式也有差异，混用必错。连乘顺序从基座到末端依次相乘，中间漏一个连杆，结果全废。
2.3 逆运动学：解的存在性比解法更重要
逆运动学是习题里的“硬骨头”。给定末端位姿反求关节角，解析解只对特定构型存在，数值解则要考虑收敛性。复习时重点不是背某一种解法，而是理解三件事：解是否存在（工作空间内）、解是否唯一（多解怎么选）、奇异位形下会怎样。
解析法常用几何分解或代数消元，把高维方程降成低维。以平面两连杆为例，余弦定理直接给出关节角：
def ik_2link(x, y, l1, l2): # 平面两连杆逆解，返回两组可能的关节角 r2 = x**2 + y**2 cos_q2 = (r2 - l1**2 - l2**2) / (2*l1*l2) if abs(cos_q2) > 1: return None # 超出工作空间，无解 q2_a = np.arccos(cos_q2) q2_b = -q2_a # 对应两组 q1，需根据肘部构型选择 q1_a = np.arctan2(y, x) - np.arctan2(l2*np.sin(q2_a), l1 + l2*np.cos(q2_a)) q1_b = np.arctan2(y, x) - np.arctan2(l2*np.sin(q2_b), l1 + l2*np.cos(q2_b)) return (q1_a, q2_a), (q1_b, q2_b)cos_q2超出 [-1,1] 就说明目标点够不着，这是判断工作空间的直接依据。两组解对应“肘上”和“肘下”两种构型，实际选哪组要看避障和关节限位。习题里经常只写一组解就交卷，阅卷时会被扣分——多解性是逆运动学的固有特征，必须讨论。
2.4 雅可比矩阵：速度映射与奇异位形的黑匣子
雅可比矩阵把关节速度映射成末端速度，是连接运动学和动力学的桥梁。习题里考雅可比通常两个方向：一是推导（对正运动学方程求偏导），二是应用（判断奇异位形、分析速度传递）。奇异位形是重点也是难点——雅可比降秩时，某些方向末端动不了，逆解也会爆炸。
复习时抓住一个判断标准：雅可比行列式为零或秩亏，就是奇异点。平面两连杆的雅可比行列式是l1*l2*sin(q2)，q2 为 0 或 π 时奇异，对应手臂完全伸直或折叠。这个结论要能自己推出来，而不是死记。习题里常问“该位形是否奇异”“如何避免”，答的时候把行列式和物理构型对应上，才算答到点上。
3. 动力学与控制主线：从力矩到轨迹的闭环逻辑
机械学解决“怎么动”，动力学和控制解决“为什么这么动、怎么让它动得准”。这部分习题的抽象程度更高，很多人卡在“公式能看懂，但不知道在算什么”。核心逻辑是：动力学给出关节力矩和运动之间的关系，控制律则根据误差反推该施加多大扭矩。轨迹生成夹在中间，负责把任务描述翻译成随时间变化的位姿序列。
3.1 刚体动力学：牛顿-欧拉与拉格朗日两条路
动力学习题通常要求建立机械臂的运动方程。两条主流路线：牛顿-欧拉法递推计算力和力矩，适合编程实现；拉格朗日法从能量出发，适合手推和理论分析。复习时不必两条都精通，但要清楚各自适用场景。
拉格朗日方程的形式是τ = M(q)q̈ + C(q,q̇)q̇ + g(q)，其中 M 是惯性矩阵、C 含科氏力和离心力项、g 是重力项。习题里常让你识别各项的物理意义，或者判断某个简化模型忽略了什么。最容易忽略的是 C 项的对称性和反对称性质，很多推导题靠这个性质化简。
# 两连杆动力学方程的结构示意（参数需按具体模型填充） def dynamics(q, dq, ddq, M, C, g): # tau = M(q)*ddq + C(q,dq)*dq + g(q) tau = M @ ddq + C @ dq + g return tau参数说明：M 随位形变化，不是常数矩阵；C 矩阵依赖 q 和 dq；g 只依赖 q。习题里给具体连杆质量和惯量时，先算 M，再算 C，最后算 g，顺序不能乱。数值代入前检查单位，质量用 kg、长度用 m、角度用 rad，单位不统一是血泪经验里最常见的低级错误。
3.2 轨迹生成：关节空间与笛卡尔空间的取舍
轨迹生成习题考的是“给定起点终点，怎么规划中间过程”。关节空间规划简单，每个关节独立插值，常用三次或五次多项式保证位置、速度、加速度连续；笛卡尔空间规划直观，但要做逆运动学转换，计算量大且可能遇到奇异。
三次多项式插值的边界条件是起止位置和起止速度：
def cubic_trajectory(q0, qf, t0, tf, v0=0, vf=0): # 返回多项式系数 a0..a3，q(t)=a0+a1*t+a2*t^2+a3*t^3 T = tf - t0 a0 = q0 a1 = v0 a2 = (3*(qf - q0)/T**2) - (2*v0 + vf)/T a3 = (-2*(qf - q0)/T**3) + (v0 + vf)/T**2 return a0, a1, a2, a3参数 T 是总时长，v0 和 vf 是起止速度。习题里常问“为什么用五次而不是三次”——因为五次能同时约束加速度，避免启停时力矩突变。这个“为什么”比会算更重要，答论述题时把连续性阶数和物理意义挂钩，分数就稳了。
3.3 控制律设计：PID、计算力矩与稳定性
控制部分习题集中在 PID 调参、计算力矩控制和稳定性分析。PID 是最基础的，但习题里常设陷阱：积分饱和、微分噪声、采样周期影响。计算力矩控制则是机器人特有的“前馈补偿 + 反馈校正”结构，把非线性动力学抵消掉，变成线性系统再设计 PD。
def computed_torque_control(q, dq, q_d, dq_d, ddq_d, M, C, g, Kp, Kd): # 计算力矩控制：前馈补偿 + PD 反馈 e = q_d - q de = dq_d - dq v = ddq_d + Kd @ de + Kp @ e # 期望加速度修正 tau = M @ v + C @ dq + g # 非线性补偿 return tauKp、Kd 是增益矩阵，通常取对角正定。习题里问“为什么这个结构能保证稳定性”，答案在于补偿后闭环误差方程变成ë + Kd*ė + Kp*e = 0，只要增益正定，误差渐近收敛。这个推导要能默写，是控制大题的高频考点。稳定性分析还会涉及李雅普诺夫函数，复习时把“选什么函数、怎么判负定”的套路练熟。
4. 易错点排查：习题里最容易翻车的五个地方
复习到一定程度，拉开差距的往往不是会不会，而是细不细。下面五条是从习题解答里反复出现的失分模式，每条按“易漏点 → 为什么漏 → 怎么补”拆开。
易漏点一：坐标系约定不声明。为什么漏：做题时默认自己知道，但不同教材、不同题目用的约定可能相反。怎么补：每道题开头强制写一句“以下采用绕固定系左乘/绕动系右乘”，把约定钉死再动笔。
易漏点二：逆运动学只给一组解。为什么漏：算出第一个解就以为完事，忽略了多解性。怎么补：解完先问“这个构型还有没有对称解”，平面问题至少两组，空间问题可能更多，答题时把取舍依据写出来。
易漏点三：雅可比奇异只算行列式不解释物理意义。为什么漏：把奇异当成纯数学降秩，没联系构型。怎么补：算出奇异条件后，画一个简图标注手臂姿态，说明“哪个方向自由度丢失”，论述题才拿满分。
易漏点四：动力学方程单位不统一。为什么漏：题目混用角度和弧度、厘米和米，代入时没检查。怎么补：动笔前把所有量统一到 SI 单位，角度一律转弧度，养成在草稿纸角落写“单位检查”的习惯。
易漏点五：控制增益正负号搞反。为什么漏：反馈项符号依赖误差定义方向，e = q_d - q 和 e = q - q_d 会导致增益符号相反。怎么补：先固定误差定义，再推闭环方程，最后用“增益正定则稳定”反验符号，三步走完再写答案。
提示：这五条不需要死记，做题时拿一张便签写上关键词贴在旁边，每道题过一遍，两周就能形成条件反射。
5. 查漏补缺清单：考前一周怎么过一遍
最后落到可执行的复习动作。考前一周不适合再啃新题，应该按“地图 → 薄弱模块 → 错题回炉”的顺序过一遍。下面这张清单按优先级排，每项都对应前面章节的具体内容，做完一项划掉一项。
| 优先级 | 复习动作 | 对应模块 | 验收标准 |
|---|---|---|---|
| 高 | 默写齐次变换矩阵和 D-H 变换 | 2.1、2.2 | 不看书画出 4×4 结构，参数位置不错 |
| 高 | 手推平面两连杆逆解并讨论多解 | 2.3 | 能写出两组解和取舍理由 |
| 高 | 推导两连杆雅可比并找奇异点 | 2.4 | 行列式为零的条件和物理构型对得上 |
| 中 | 写出拉格朗日方程三项并说明含义 | 3.1 | M、C、g 各指什么，依赖哪些变量 |
| 中 | 对比三次与五次多项式插值 | 3.2 | 说清连续性阶数差异和适用场景 |
| 中 | 默写计算力矩控制结构并推闭环误差方程 | 3.3 | 补偿项和反馈项分开写，增益正定判稳定 |
| 低 | 过一遍五个易错点便签 | 第 4 章 | 每道新题动笔前扫一眼 |
清单之外，还有一个具体技巧：把习题按“知识点标签”重新分组，而不是按章节顺序做。比如把所有涉及雅可比的题集中做一遍，你会发现考法就那么几种——求偏导、判奇异、算速度传递。集中突破比散着做效率高得多，这也是我从某次模拟项目里踩坑后改过来的习惯：当时按章节刷题，做到控制部分回头发现运动学的符号约定全忘了，等于白做。
从那以后我每次复习都强制走一遍“先建地图、再分模块、最后错题回炉”的流程，哪怕时间紧也至少把地图和易错点过一遍。这份梳理如果能帮你少走一点弯路，希望帮到你。
本文还有配套的精品资源，点击获取
