运动计划与控制

#1 楼

在软件工程中有一句话说，您的公司结构反映在您的软件体系结构中（我不记得确切的说法）。机器人控制软件堆栈也是如此。


控制是闭环的，计划（运动，轨迹或任何其他计划）不是（开环）。在闭环解决方案中（我假设在所有情况下都可能是大多数情况），将根据设定值信号和测量信号生成误差信号。控制器尝试最小化此错误。在计划问题中，计划者可以接收输入（例如，当前位置），但是输出是如何到达下一个点的“计划”（问题不在于如何最小化到下一个点的距离，而是如何建立一个可以平滑连接点的多项式）。这是开环的，因为计划器的输出与其输入没有直接关系。它不想最小化误差，所有控制器（同样假设所有控制器，可能会有例外）都试图将误差信号最小化，该误差信号是设定值和当前测量值之间的差异。您绝对可以构建一个闭环控制器，该控制器可以最大程度地减少到下一个点的距离，从而隐式地生成轨迹，但是轨迹规划器的目标是通过规划控制器无法遵守的几何约束（或仅通过更复杂的方法）然后接近计划者/控制器）。为了得到一个非常简单的总结，轨迹规划器在考虑几何（和运动学）约束的同时在路点之间进行插值，而控制器遵循一系列插值点（而不是遥远的路点）给出的轨迹。
在工业机器人（操纵器）的应用程序中，定义了运动的航路点并指定了运动的类型。例如从当前姿势到姿势（x，y，z，a，b，c）的线性运动。而且，通常运动是由其他运动命令来流动的。线性运动，圆周运动，线性运动，样条运动，每个都有各自的航点（可选的目标速度和加速度）。轨迹规划采用这些运动类型和航路点，并定义（希望）平滑的样条曲线（如果需要/允许，包括圆形边缘），并添加速度和加速度分量。基本上从基于矢量的路径描述（航点，目标速度和加速度），您将获得时间相关（平滑）的曲线，该曲线符合机器人的动态极限。运动计划有时被用作轨迹计划的代名词，有时它包括路径计划和轨迹计划。路径规划将找到那些航路点，我假设这些航路点在应用程序中已给出。规划者可能会从控制团队那里获取机器人的动态极限作为参数（但通常会有一个规范，两个团队都以此为依据）
控制团队主要关注按顺序设计，实现和调整控制回路以获得最佳的硬件性能。他们需要准备好获取任何轨迹并执行它（或以错误停止）。在控制模块完成后，机器人组的动态极限（但是，有一个目标动态性能的设计规范，控制团队正在努力完成）。控制软件模块从轨迹规划器获取曲线。
CNC控制器类似于机器人控制器，对CNC控制器的深入了解可以很好地了解机器人控制器。否则，SE无法评论您的大学开设了哪些课程以及他们的技术深度。也许看一下轨迹规划主题，路径生成，机器人控制系统，运动控制。否则，微分方程，微分几何，曲线（多项式，akima，b样条，贝塞尔曲线，直线，圆，多段线），插值，数值优化，运动物理，运动学，高阶运动学，微分运动学都是其中的一些。轨迹规划所需的主题。此外，软件工程（大多数与C / C ++相关）主题对于实现非常重要。想到这本书《数值食谱》，其中一章涉及插值，一章涉及常微分方程。

#2 楼

我可以和太空机器人，军用机器人以及一些商用机器人对话，但是还没有真正的“典型”机器人。
运动计划与控制有何不同？
醉酒的人可以规划一条路径或一系列动作，但不能很好地遵循它。醉酒的人有运动和路径计划，但控制不佳（特别是反应时间差，这会导致很难控制的延时系统）。 Google地图为您提供了一个计划，但您的大脑决定了运动（改变车道！），而您的手掌则提供了控制。 ），流动站驾驶员通常会确定运动（沿着该曲线行驶），但流动站驾驶员通常会确定控制（车轮速度）。有时流动站驱动器甚至可以决定车轮的速度/转弯。
对于机器人团队，规划团队要解决的问题是什么？一旦解决，他们将向控制模块提供什么信息？
规划团队通常会确定首先要采取的措施（例如，现在我应该修剪草坪），然后确定动作（修剪草坪应意味着打开割草机，然后输出一系列的航路点，如果以直线导航到这些航路点，将覆盖所有未割的草。）然后，输出到一个控制模块的是航路点之间的直线，该模块的输出是车轮速度。 br />在机器人团队中，控制团队要解决的问题是什么？他们如何使用计划模块中的信息？
通常看起来像这样：
1：目标（割草）-> 2.操作（打开刀片，驶过所有草地）-> 3。离散路径（覆盖草丛的多个路点）-> 4.连续路径（机器人实际可以遵循的弯曲路径）-> 5.遵循该路径的车轮速度。请注意，有时在阶段3会引入静态障碍物，而在阶段4-5会考虑移动障碍物。这只是我的经验。
请注意，经常根据机器人的位置重新计算4和5，如果有的话，很少重新计算3，有时甚至从不重新计算1或2（它们可能是硬编码的）。 3-4有时称为运动计划，而5有时称为控件。最好为每个用例画出一条流水线，并尽快具体化。
规划团队的人员有什么样的经验/课程？
通常，他们可能听说过RRT，MPC ，PID回路，LQR，可见性图/路线图方法，速度障碍，人工势场等。如果您想在上述第1/2阶段工作，则应了解有关传统AI和活动计划的更多信息，这可以更好地描述为计划和安排。决策树，博弈树，经典依存图和作业车间类型问题，甚至车辆路径文献也适用于此。