机器人技术纵览.pdfVIP

机器人技术纵览

2O25

机器人4个大专业方向设计相关需要的技能

1、机械机构设计

2、硬件电路设计

3、嵌入式及上位机软件设计

4、控制算法、感知决策算法设计

机械设计涉及到的技能：1）动力学；2）运动学；3）系统仿真涉及到的软

件：1）三维设计软件（solidworks，UG,CATIA等）；2）动力学和运动学

软件（Adams，CoppeliaSim等）；3）系统仿真软件（CoppeliaSim，

Webots等）；4）有限元仿真如软件（Ansys或Abuqus等）

硬件电路设计需要掌握的技能：模电/数电；硬件原理图，硬件PCB制版；硬件

调试；EMC/EMI分析；需要掌握的软件：PCB制板（AltiumDesign，Allegro

Viewer），电路仿真软件（PSPICE），信号仿真软件（HyperLynx）

1底层控制软件掌握的技能：嵌入式编程C语言，freeRTOS操作系统掌握的软件：

单片机编程软件（keil，VSCode，Ozone等），调试软件（串口调试助手等）

2上层控制软件需要掌握的技能：Linux操作系统、Ubuntu系统、ROS系统需要

掌握的软件：ROS操作系统，VScode等

机器人感知控制算法

控制算法分为两种：机器人运动控制算法和基于大模型的算法1基于大模型的算法机器人算

法最核心的一个功能就是自主导航定位技术传统方案：SLAM+路径规划+运动控制现代方案：

深度学习+运动控制现代方案和传统方案的区别：传统方式是用概率学，或者控制论的方式

进行机器人自主定位导航。现代方式是深度学习，直接通过摄像头数据作为信号输入，再通

过神经网络直接产生出机器人的控制信号。

机器人主流的感知算法仍然是机器视觉，因此OpenCV是必须掌握的计算机视觉库。在图像

处理之外，基于深度学习的目标检测/分割算法也不可或缺。推荐使用PyTorch构建神经网络。

要使用PyTorch，基本的一些机器学习和统计学习算法，需要使用python下的ski-learn库。

关于定位和建图（SLAM），使用最多的软件自然还是ROS，如果要处理点云，PCL（point

cloudlibrary）是不可或缺的，Eigen（矩阵运算库）、g2o（图优化库）、ceres（非线性

最小二乘库）以及一些处理李群的库。

运动控制算法运动控制算法包括LQR，MPC,WBC等算法，传感器融合算法，全局规划A*算

法，局部规划DWA算法等。

传感器融合算法比较常见的如使用EKF（卡尔曼滤波）或ESKF（扩展卡尔曼滤波）来实现

（一般常见于LIO当中），当然还有其他各种先进的算法，卡尔曼滤波用的最为广泛，通过

对传感器的滤波，使得得到的数据更为光顺

机器人核心技术梳理

机器人未来技术攻克方向（1）

1.AI大脑与认知决策（聚焦提升机器人的“思考和决策”能力，像人类一样理解和交互）

目标是让机器人拥有类似人类的智能，能自主学习、规划任务并与环境互动

具身智能大模型：让机器人像人一样“思考”的核心AI系统，它能综合视觉、语言和触觉等信息，自主做出决策和预测未来场景

多模态人机交互：机器人能同时处理语音、手势和表情等多种交流方式，实现更自然的“对话”，就像人类用多种感官沟通。长序列任

务规划：机器人能分解复杂任务（如做饭）为多个小步骤，并自动规划执行顺序，类似人脑的逻辑推理过程

自主学习能力：机器人通过经验自我改进，无需人工编程，例如从错误中学习如何更好抓取物体

大模型推理加速芯片：专用硬件芯片，让AI运行更快、更省电，类似于给机器人大脑装上一个“高效引擎”

认知推理类脑技术：模拟人脑工作方式的算法，帮助机器人进行抽象思考（比如判断危险情况），提升决策智能

云边端一体计算架构：结合云端大数据、本地设备和边缘计算，让机器人能实时处理信息，像人一样“即想即做”

感知-决策一体化：将看到的、听到的信息直接转化为行动，减少延迟，比如看到障碍物立即绕开

高实时性操作系统：快速响应的机器人“操作系统”，确保任务执行不卡顿，类似智能手机的流畅系统

开发者工具链与仿真软件：提供编程环境和虚拟测试工具，帮助工程师轻松开发和优化机器人行为

2.运动控制与本体动力学（聚焦机器人的“动作协调和平衡”，像人类一样灵活运动和适应环境）

重点是让机器人在复杂环境中稳定行走、奔跑或作业，保持身体平衡

全身动力学实时控制：精确控制机器人身体的整体