《机器人控制：原理、架构与工程实践》课程大纲
第一部分：课程导论与基础准备
| 章节 | 子章节 | 核心内容 |
|---|---|---|
| 第1章：机器人技术全景与课程导览 | 1.1 机器人的定义、分类与发展历程 | 从工业机械臂到具身智能，梳理机器人技术演进脉络与里程碑。 |
| 1.2 机器人系统的核心组成与信息流 | 解析“感知-决策-执行”闭环，以及硬件（传感器、执行器、计算单元）、软件（算法、中间件）的角色。 | |
| 1.3 机器人控制面临的挑战与前沿趋势 | 讨论不确定性、非线性、实时性、安全性和能效等核心挑战；介绍学习型控制、仿生控制、集群控制等前沿方向。 | |
| 第2章：数学与控制系统基础 | 2.1 线性代数与空间变换 | 向量、矩阵、特征值、齐次坐标、旋转矩阵、欧拉角、四元数。 |
| 2.2 经典控制理论回顾 | 传递函数、频域分析、稳定性判据（奈奎斯特、伯德图）、PID控制器原理与整定。 | |
| 2.3 现代控制理论基础 | 状态空间表示、能控性与能观性、状态反馈、观测器设计、线性二次型调节器（LQR）。 |
第二部分：机器人硬件与系统架构
| 章节 | 子章节 | 核心内容 |
|---|---|---|
| 第3章：机器人硬件系统 | 3.1 执行器与驱动技术 | 电机（直流、步进、伺服）、液压/气动驱动、谐波减速器、制动器；驱动器选型与控制模式（位置/速度/力矩）。 |
| 3.2 传感器与感知系统 | 位置/速度编码器、IMU、力/力矩传感器、视觉传感器（2D/3D）、激光雷达；多传感器融合基础。 | |
| 3.3 计算与通信硬件 | 嵌入式控制器（MCU、SoC）、实时操作系统（RTOS）、边缘计算平台（如NVIDIA Jetson）、现场总线与工业以太网。 | |
| 第4章：机器人系统架构设计 | 4.1 分层控制架构原理 | 深入剖析“感知层-决策层-执行层”的分层设计模式及其数据流、控制流交互[reference:0]。 |
| 4.2 集中式与分布式架构 | 对比集中式处理（如工业机器人）与分布式边缘计算（如多机器人集群）的优缺点与适用场景[reference:1]。 | |
| 4.3 实时性与可靠性设计 | 硬实时与软实时要求、任务调度、看门狗机制、冗余设计、故障诊断与安全停机策略。 |
第三部分：机器人建模与系统辨识
| 章节 | 子章节 | 核心内容 |
|---|---|---|
| 第5章：机器人运动学建模 | 5.1 正运动学与逆运动学 | D-H参数法、几何法、数值解法；解的存在性、唯一性与奇异点分析。 |
| 5.2 微分运动学与雅可比矩阵 | 速度映射、力映射、可操作性椭球、奇异性分析。 | |
| 5.3 轨迹规划与插值 | 关节空间与笛卡尔空间规划、多项式插值、样条曲线、时间最优轨迹规划。 | |
| 第6章：机器人动力学建模 | 6.1 拉格朗日动力学 | 推导刚体机器人动力学方程，理解惯性力、科氏力、离心力、重力项。 |
| 6.2 牛顿-欧拉递推动力学 | 高效的前向递推（速度/加速度）与后向递推（力/力矩）算法。 | |
| 6.3 执行器与摩擦模型 | 电机电枢动力学、齿轮箱模型、库伦摩擦、粘性摩擦等非线性因素建模。 | |
| 第7章：系统辨识与参数估计 | 7.1 频域与时域辨识方法 | 最小二乘法、最大似然估计、基于激励轨迹的动力学参数辨识。 |
| 7.2 惯性参数与摩擦参数辨识 | 实验设计、数据采集、模型验证与误差分析。 |
第四部分：机器人控制理论与方法
| 章节 | 子章节 | 核心内容 |
|---|---|---|
| 第8章：基于模型的控制 | 8.1 计算力矩控制 | 基于逆动力学的反馈线性化，实现轨迹跟踪。 |
| 8.2 阻抗控制与导纳控制 | 实现机器人与环境间的柔顺交互，区分位置型与力型阻抗。 | |
| 8.3 自适应控制 | 模型参考自适应控制（MRAC）、参数自适应控制，应对模型不确定性。 | |
| 第9章：先进控制策略 | 9.1 鲁棒控制（H∞, μ-synthesis） | 处理未建模动态和外部干扰，保证系统在不确定性下的性能。 |
| 9.2 最优控制（LQR, MPC） | 线性二次型调节器；模型预测控制的原理、滚动优化及在实时控制中的实现。 | |
| 9.3 学习控制与智能控制 | 案例研究：介绍“天工-Lab”等开源运动控制框架，剖析其如何融合强化学习（RL）与模仿学习（IL），让机器人通过仿真训练获得适应复杂地形的运动技能[reference:2]。 | |
| 9.4 仿生控制与中枢模式发生器 | 借鉴生物运动原理，设计用于步态生成的振荡器网络（CPG）。 |
第五部分：工程实现、仿真与工具链
| 章节 | 子章节 | 核心内容 |
|---|---|---|
| 第10章：机器人软件工程与中间件 | 10.1 机器人操作系统（ROS/ROS2） | 节点、话题、服务、动作；常用工具（Rviz, Gazebo）；ROS2与实时性。 |
| 10.2 仿真工具链集成 | 工程实践：讲解如何将MuJoCo、Isaac Sim等高性能物理仿真器与ROS2控制栈无缝集成，搭建“仿真-真实”迁移工作流[reference:3]。 | |
| 10.3 实时控制程序开发 | 基于C++/Python的控制器实现、线程管理、内存管理、与硬件的接口（如EtherCAT）。 | |
| 第11章：从仿真到真实的系统集成 | 11.1 “仿真-真实”迁移（Sim2Real） | 域随机化、系统辨识补偿、动力学误差建模，弥合仿真与现实的差距。 |
| 11.2 系统集成与调试 | 硬件在环（HIL）测试、软件在环（SIL）测试、整机联调、性能标定与优化。 | |
| 11.3 可靠性工程与测试验证 | 单元测试、集成测试、场景测试、故障注入、安全标准（如ISO 10218, ISO/TS 15066）。 |
第六部分：前沿专题与综合应用
| 章节 | 子章节 | 核心内容 |
|---|---|---|
| 第12章：专题一：人形机器人全身控制 | 12.1 全身动力学与任务空间控制 | 零空间投影、分层任务优先级控制。 |
| 12.2 动态行走与平衡控制 | 基于模型预测控制（MPC）的步态生成、捕捉点动力学、状态估计。 | |
| 12.3 软硬件协同设计案例 | 案例分析：解读“大小脑”架构等新型硬件方案如何通过异构计算（如AGX Orin + 实时MCU）优化感知、决策与控制的协同[reference:4]。 | |
| 第13章：专题二：具身智能与物理AI | 13.1 具身智能的内涵与框架 | 讨论物理实践、世界模型与感知-动作闭环在智能涌现中的作用[reference:5]。 |
| 13.2 基于基础模型的机器人控制 | 探索大语言模型（LLM）、视觉-语言-动作（VLA）模型在任务规划与技能生成中的应用。 | |
| 13.3 大规模仿真与数据驱动技能学习 | 介绍基于NVIDIA Isaac Gym等平台的大规模并行仿真训练前沿工作[reference:6]。 | |
| 第14章：专题三：多机器人系统控制 | 14.1 集群编队控制 | 一致性算法、虚拟结构法、领导-跟随者法。 |
| 14.2 去中心化协同与导航 | 介绍如LIVEPOINT等前沿的去中心化框架，实现动态杂乱环境下的安全、无死锁的多机器人导航[reference:7]。 | |
| 14.3 任务分配与协同操作 | 市场拍卖算法、集中式与分布式任务规划。 | |
| 第15章：课程总结与展望 | 15.1 机器人控制的伦理、安全与社会影响 | 人机协作安全、隐私、就业影响、自主武器等伦理议题。 |
| 15.2 技术融合与未来展望 | AI、新材料、生物交叉融合带来的新形态与新能力。 | |
| 15.3 课程综合项目回顾与答辩 |
配套实践项目
- 项目A（基础）：基于ROS2与Gazebo，实现一个六轴机械臂的建模、轨迹规划与PID位置控制。
- 项目B（进阶）：为差速驱动移动机器人设计并实现一个基于MPC的轨迹跟踪控制器，并在实物平台上验证。
- 项目C（综合/可选）：以团队形式，基于“天工-Lab”或Isaac Gym仿真环境，训练一个双足机器人完成简单地形（如上下台阶）的行走任务，并撰写技术报告。
特点：
- 系统性：遵循“基础理论->硬件架构->建模分析->控制方法->工程实现->前沿专题”的逻辑主线。
- 前沿性：紧密融合2024-2025年最新的开源框架、研究成果（如天工-Lab、具身智能趋势、去中心化集群控制）与工程方案（如大小脑架构、Sim2Real工作流）。
- 工程性：强调工具链（ROS2, MuJoCo, Isaac）、仿真到真实的迁移、以及可靠性设计等实践技能。
- 模块化：各章节相对独立，可根据学习对象（本科高年级/研究生）和专业方向（控制、机械、计算机）进行裁剪和组合。
