跳转至

入门实践

编程练习

看完 Craig 的书后，你应该对工业机器人的原理有了一个大概的概念，这时候建议趁热打铁，快速通过代码实现相关建模与计算过程。

这部分其实很简单——纯代码，一台电脑，一个周末就能出结果。工具直接用 Peter Corke 的 Robotics Toolbox for Python（pip install roboticstoolbox-python；习惯 MATLAB 的，用对应的 MATLAB 版工具箱也行）。注意，工具箱是拿来对答案的，核心公式要自己写：

  1. 列 DH、写正解：挑一台常见六轴（例如上一章「运动学」一节里的六轴机械臂，或者工具箱内置的 PUMA560、UR5 等模型），自己列 DH 参数、写正运动学，跟工具箱的 fkine 对答案（运动学）；
  2. 算雅可比：按教材的几何法写一遍，再用数值差分写一遍，两者对照；顺手验证「为什么不能直接对欧拉角求导」（雅可比矩阵）；
  3. 数值逆解：写一个雅可比迭代求解器，跟工具箱的 ikine 系列对答案——雅可比矩阵一节里那篇 MATLAB 逆解的回答，就是现成的路线图。

再进一步（可选，量力而行）：三轴机械臂的牛顿-欧拉动力学递推，编程实现并跟工具箱的 rne 对照（动力学）；六轴解析逆解的完整推导（运动学）。

有条件摸到硬件的（实验室、公司）：「控制」一节说的单轴伺服平台，加上「标定与辨识」一节的复现实验，是最能快速掌握知识的练习。

动手

此时，你的基础理论已经不错了。但是，你缺乏实际动手经验，不清楚如何将书上的东西应用到实际机器人上。机器人毕竟是一个实践性的学科，一直停留在理论，不仅无用、而且无趣。

Get your hands dirty!

如果是本科生的话，非常建议参加一些比赛，如 RoboMaster、恩智浦杯智能车竞赛（原飞思卡尔智能车大赛）、电子设计大赛等；也可以加入学校的一些科技组织，例如清华的天空工厂。主要是熟悉各种电子电路，培养动手能力，感受通过代码让机器人动起来的快感。

但是，以我的观察，很多科技比赛大牛，在理论学习上往往比较弱。这主要是因为科技比赛强调的是系统能力，决定比赛结果的往往是一些小 tricks，而非理论知识；而且，比赛容易让人产生一种虚假的充实感，每天都很忙碌，但是可能只是在重复低级工作。这两个原因很容易让人陷入 local minima，无法在理论方面更进一步。

所以，我有个不成熟的小建议：参加比赛和学生科技活动的话，有过两次完整的经历就够了。之后应该迅速将重点转向理论学习。

如果身边有可以玩的机器人硬件，也可以尝试玩一玩；有机会摸到真机的话，拿示教器走几个点、跑一遍「示教再现」，体验一下绝大多数工业机器人应用工程师的日常——体会它有多难用。如果没有真机，也可以下载 ABB 的 RobotStudio，在里面给仿真工业机器人用示教器编写一段固定搬运轨迹。（PS：ABB 的这个软件做得相当不错，在仿真里最大程度地实现了真机的操作体验和动作响应）。

ROS

到现在为止，你对机器人的基础知识有了一个比较完整的脉络，而且，也用 Matlab/Python 实现了一些有趣的算法。但是，你发现，机器人是一个非常大的系统，作为初学者，不太可能从头开始一步步搭建机器人所需的各个算法模块。这时候，你就应该开始拥抱伟大的开源世界了。

很多人可能知道，有一个叫做机器人操作系统的开源项目 (Robot Operating System, ROS)。ROS 有 ROS 1 和 ROS 2 两代，ROS 1 的最后一个版本 Noetic 已经在 2025 年停止维护，社区的开发重心早已转向 ROS 2，所以直接学 ROS 2 就行。

对于学习 ROS，网上可能有不少教程了。但是，我感觉，很多机电、自动化方向的学生并不适合直接开始看 ROS。因为他们缺乏基本的 Linux、C++ 知识。所以，我推荐按照如下步骤进行学习：

  • Linux：如果完全没有 Linux 开发经验，我建议可以先安装 Ubuntu 系统，然后看 UNIX Tutorial for Beginners ，熟悉基本的 Linux 使用方法。

  • Github：ROS 的大多数项目都是托管在 Github 上的。所以，非常有必要学会使用 Github，学会用 git 管理自己的代码。而且也可以为开源项目做些修改。例如可以像我一样只是删除多余的分号。

  • C++ 基础：如果你没有系统学习过 C++，建议先把这部分补齐，因为 ROS 的主要代码都是 C++ 实现的。这里，我推荐学堂在线上清华大学郑莉老师的课程《C++语言程序设计基础》和《C++语言程序设计进阶》。当然，学习 C++ 的时候就可以在 Ubuntu 下进行，安装一个 VSCode 是个不错的选择。

  • 数据结构：其实，上面的基础已经足够你学习 ROS 了，但是，为了未来的学习，可以在适当时候学习一些数据结构的知识。数据结构的话，我推荐学堂在线上清华邓俊辉老师 《数据结构(上)》与《数据结构(下)》。

现在，你就可以大胆地去看 ROS 2 了。作为开源项目，我认为最好的教程就是官网的教程 ROS 2 Tutorials。

首先，跟着官方的入门教程了解 ROS 2 基本的通讯机制、学会使用 colcon、ros2 launch、Rviz 等基本工具。

之后，就可以根据各自的研究兴趣去看不同模块了。

如果有条件，能够配合一些 ROS 支持比较好的平台进行研究的话，可以大大提高学习速度。例如 TurtleBot、Franka Panda、Universal Robot 之类的。（这就看每个人条件了。）

理论上，在 ROS 2 环境下，绝大多数跟硬实时无关的研究你都可以直接做，比如 SLAM、Navigation、Motion Planning 等。至于更底层的实时控制，ROS 2 和 ROS 1 已经不是一回事了：ROS 1 有中心化的 Master、自定义传输、又没法控制内存分配，架构上就跟实时无缘；ROS 2 改用了 DDS 的 QoS、去中心化的节点发现、还能自定义 allocator，也可以跑在 PREEMPT_RT 或 RTOS 上，实时控制这才变得可行——但不是开箱即用，默认的 rclcpp executor 既不实时也不确定，你得自己把实时内核、实时安全的 executor、静态内存分配、实时中间件都配齐。一个更实用的判断是：最底层的电流环、力矩环（几 kHz 以上），不管哪一代 ROS 都是跑在驱动器、EtherCAT 从站或单片机上的；而 100 Hz–1 kHz 的阻抗控制、WBC、MPC，用 ros2_control 或 micro-ROS 是可以胜任的。（如果不清楚这里为什么，回顾一下实时操作系统、机器人控制方面的知识。）