SCARA 机器人点到点(PTP)轨迹规划方法

SCARA 机器人点到点轨迹规划(满足各轴同时启停)

1. 求解起始与目标关节角(逆运动学)

设起始位姿为 T_s,目标位姿为 T_f,通过逆运动学求得:

θ_s = IK(T_s)

θ_f = IK(T_f)

其中:

  • θ_s = [θ₁,ₛ, θ₂,ₛ, θ₃,ₛ, d₄,ₛ]ᵀ
  • θ_f = [θ₁,𝒇, θ₂,𝒇, θ₃,𝒇, d₄,𝒇]ᵀ

前三个为旋转关节(rad),第四个为平移关节(m)

2. 计算各关节位移

Δθ₁ = |θ₁,𝒇 - θ₁,ₛ|

Δθ₂ = |θ₂,𝒇 - θ₂,ₛ|

Δθ₃ = |θ₃,𝒇 - θ₃,ₛ|

Δd₄ = |d₄,𝒇 - d₄,ₛ|

3. 计算各关节最小可行时间

对每个关节 i,给定 v_max,i(最大速度),a_max,i(最大加速度)。

判断是否有匀速段:

如果:Δq_i ≥ (2·v_max,i²) / a_max,i

则使用梯形速度剖面:t_f,i = (Δq_i / v_max,i) + (v_max,i / a_max,i)

否则(三角速度剖面):

v_actual,i = √( (a_max,i · Δq_i) / 2 )

t_f,i = 2 · √( (2 · Δq_i) / a_max,i )

对关节 1~3 使用 Δθ_i,对关节 4 使用 Δd₄

4. 确定统一总时间(实现同起同停)

t_f = max(t_f,₁, t_f,₂, t_f,₃, t_f,₄)

t_f 将作为 所有关节的共同运动时间

5. 生成同步轨迹(五次多项式插值)

对每个关节 i,在区间 t ∈ [0, t_f] 上使用五次多项式:

q_i(t) = a₀ + a₁·t + a₂·t² + a₃·t³ + a₄·t⁴ + a₅·t⁵

边界条件(静止到静止):

  • q_i(0) = q_i,s
  • q_i(t_f) = q_i,f
  • q̇_i(0) = 0
  • q̇_i(t_f) = 0
  • q̈_i(0) = 0
  • q̈_i(t_f) = 0
解得系数:

a₀ = q_i,s

a₁ = 0

a₂ = 0

a₃ = (10·(q_i,f - q_i,s)) / t_f³

a₄ = (-15·(q_i,f - q_i,s)) / t_f⁴

a₅ = (6·(q_i,f - q_i,s)) / t_f⁵

或使用无量纲化形式(推荐):

令归一化时间:τ = t / t_f

则:q_i(t) = q_i,s + (q_i,f - q_i,s) · (10·τ³ - 15·τ⁴ + 6·τ⁵)

该式保证所有关节在 t = 0 启动,在 t = t_f 同时停止,且轨迹平滑(C² 连续)。

总结

  • 同起同停 :通过 t_f = max(...) 统一时间。
  • 平滑性:五次多项式保证速度、加速度连续。
  • 可实现性 :每条轨迹均满足该关节的速度/加速度约束(因为 t_f ≥ t_f,i,实际速度 ≤ v_max,i)。
相关推荐
zh路西法12 小时前
【宇树机器人强化学习】(六):TensorBoard图表与手柄遥控go2测试
python·深度学习·机器学习·机器人
renhongxia113 小时前
多模态融合驱动下的具身学习机制研究
运维·学习·机器人·自动化·知识图谱
Pursue Limits15 小时前
人形机器人之VR遥操作
机器人·vr
天天讯通15 小时前
智能语音机器人未来的发展方向
人工智能·机器人·语音识别
一RTOS一16 小时前
从PLC到机器人:实时操作系统如何决定能力上限
人工智能·机器人·鸿道操作系统·鸿道实时操作系统·国产嵌入式操作系统选型·鸿道机器人操作系统
ZPC821016 小时前
PPO训练小车
人工智能·算法·机器人
春日见18 小时前
端到端自动驾驶技术路线(E2E)
人工智能·机器学习·docker·架构·机器人·自动驾驶·汽车
码农三叔18 小时前
(10-4)大模型时代的人形机器人感知:感知与任务规划的联动
人工智能·机器人·人形机器人
沫儿笙19 小时前
汽车制造企业弧焊机器人节气案例
机器人·汽车·制造
我就是全世界19 小时前
机器人“读万卷书”后,如何“行万里路”?
机器人