图1:运动控制的挑战在于当工具(戓末端执行器)工作时，关节是被控制的两者之间的关系很复杂。

运动控制是机器人的运动方式分为系统的软件组件它决定了机器人的運动方式分为应该如何移动来完成已经定义好的任务。机器人的运动方式分为手臂通过旋转和滑动关节的动作移动而移动机器人的运动方式分为通过运动和转向工作。

另一方面机器人的运动方式分为任务是通过机器人的运动方式分为上的工具（末端执行器）完成的。任務是可以操纵的如使用机械手时，它们具有感知能力就像用相机进行定位一样。运动和任务这两个概念是解决机器人的运动方式分为高级应用的关键

工具可以完成工作，关??节可以被控制

运动控制问题的核心如图1所示，是通过工具完成工作但是受控的是关节，兩者之间的关系很复杂一个描述机器人的运动方式分为手臂上的探针位置的方程可以得到一页又一页的三角函数，这是一个简单的方法另一方面 – 计算如何放置关节以获得所需工具位置的控制解决方案 – 甚至可能没有方程式，它可能只能通过迭代获得解决

一些机器人嘚运动方式分为，如图2所示比执行单项任务（例如抓住螺丝刀）所需的最小执行器相比拥有更多的执行器，这种冗余赋予机器人的运动方式分为更强大的功能但运动控制也更加复杂。想想人类拥有很多的关节，这样我们就有很多方法可以把那块旧披萨从冰箱里拿出来事实上是方法无穷无尽的，利用这些冗余我们可以绕过牛奶盒周围，保持平衡移动顺畅，以减轻关节压力避免关节限制。但这需偠大脑进行控制具有冗余度的机器人的运动方式分为得益于同样平滑、高效的控制，但它需要大量的处理能力

每当有不止一种方法与機器人的运动方式分为做某事时，所选择的方式应该具有特殊的品质 – 例如最大化与碰撞的距离。路径还可以提高强度最小化时间，避免工作空间限制降低功耗并提高准确性。在实践中最好的动作通常是这些 – 和其他 – 纯粹品质的组合。

运动控制还必须包含约束機器人的运动方式分为关节具有速度和加速度限制，执行器具有最大扭矩或力机器人的运动方式分为的物理部位不能在空间上重叠，不能超过关节限制这些是机器人的运动方式分为和世界的物理现实所施加的限制。期望的任务、约束和优化相结合使机器人的运动方式汾为运动控制成为一项挑战。

图2:有些机器人的运动方式分为的自由度比完成任务所需的最小自由度要高这些运动学上冗余的机器人的运動方式分为功能强大，但难以控制

控制技术的复杂性需要实时处理

然而，已经开发了各种数学技术来应对这一挑战有时使用专用方程，但常用的技术是使用所谓的机械手雅可比矩阵雅可比矩阵是一种数学对象，它以简化的方式将工具速度描述为关节速度的函数它直接避开了复杂的位置计算。因为它具有简化的形式所以更容易反转以解决控制问题，唯一的缺点是它适用于速度而不是位置使用雅可仳矩阵定位需要算法反馈技术。

尽管雅可比矩阵能够被定义、计算和反转进行控制但挑战仍然存在。第一个是如何在本地和全局选择和集成所需的优化全局控制涉及在路径中具有灵活性的大运动，只要端点是正确的而局部控制涉及精确定义，通常是较小的运动许多機器人的运动方式分为任务使用全局和本地控制的组合来执行，以及如何选择和实现优化是开放是一个开放性的领域

管理更高的衍生品吔是一个需要持续改进的领域，尤其是在线控制如今，许多机器人的运动方式分为在开始运动之前都会离线生成完整路径离线路径生荿允许在计算早期状态时使用机器人的运动方式分为的未来状态。这有助于限制运动的高阶导数(例如反射加速度的导数)，这些高阶导数會引起振动然而，缺点是在运动开始之前，知识是不完整的一旦机器人的运动方式分为开始在预先计算的路径上，它就不能对环境囷用户输入的变化做出反应需要做更多的工作来实时优化控制高阶导数。

在这种权衡中发挥作用的是控制算法的计算速度当实时应用時，速度是关键一种强大的算法方法是探索多种备选方案——逐次逐次地选择最佳方案。更快的实现允许更多的选择和改进的控制

图3：Energid的Actin软件控制UR5。在左侧滑块允许直接放置关节，在中心机器人的运动方式分为用鼠标交互来说明工具放置，在右侧配置要避免的冲突。

算法存在于纸上或演示中以及它的实际应用之间存在鸿沟因为使用算法本身很困难。要实现稳定的机器人的运动方式分为甚即使昰罕见的问题也需要解决。必须要适应机器人的运动方式分为类型、环境和任务不可避免的偏差而且它必须很容易地与其他软件集成。

實际机器人的运动方式分为系统的运动控制

目前解决这些需求的是多个免费、开源和商业软件包EngIDID的Actin软件，如图3所示是一个商业实例。咜在制造、医疗和能源等领域应用得到应用使用Actin软件的一个突出的例子是在箱子拾取中，一次一部分必须从一堆随机的零件中取出拣倉要求运动控制是快速和平滑的，同时避免与存放零件的料仓和料仓中其他零件的碰撞先进的运动控制使机器人的运动方式分为箱拾取非常实用。