Mujoco 检验 KDL 和 Pinocchio 运动学 FK 是否一致

视频讲解:Mujoco 检验 KDL 和 Pinocchio 运动学 FK 是否一致_哔哩哔哩_bilibili

代码仓库:https://github.com/LitchiCheng/mujoco-learning

是否好奇过 KDL 和 Pinocchio 等运动学的库的结果是否相同?

今天做个测试同时使用 KDL 和 Pinocchio 进行 FK 来,输入为 data.qpos,然后通过通过 data.xpos 和 fk 后的位姿进行实时比较,如下为完整代码:

复制代码
import mujoco_viewer 
import mujoco
import src.kdl_ik as kdl_ik
import src.casadi_ik as casadi_ik

class CheckFk(mujoco_viewer.CustomViewer):
    def __init__(self, rendor_path, arm_path):
        super().__init__(rendor_path, 3, azimuth=-45, elevation=-30)
        self.arm_path = arm_path

        self.ee_body_name = "link7"
        # # 初始化逆运动学
        self.arm2 = kdl_ik.Kinematics(self.ee_body_name)
        urdf_file = "model/franka_panda_urdf/robots/panda_arm.urdf"
        self.arm2.buildFromURDF(urdf_file, "link0")

        self.arm1 = casadi_ik.Kinematics(self.ee_body_name)
        self.arm1.buildFromMJCF(self.arm_path)

    def runBefore(self):
        self.model.opt.timestep = 0.005
        # 设定初始位置
        self.initial_pos = self.model.key_qpos[0]  
        print("Initial position: ", self.initial_pos)
        for i in range(self.model.nq):
            self.data.qpos[i] = self.initial_pos[i]
            
    def runFunc(self):
        # self.data.qpos[:7] = self.initial_pos[:7]
        print("Mujoco body position: ")
        print(self.getBodyPosByName(self.ee_body_name))
        self.fk_tf1 = self.arm1.fk(self.data.qpos)
        self.fk_tf2 = self.arm2.fk(self.data.qpos)
        print("FK methed 1 result: ")
        print(self.fk_tf1)
        print("FK methed 2 result: ")
        print(self.fk_tf2)


if __name__ == '__main__':
    SCENE_XML_PATH = 'model/franka_emika_panda/scene_pos.xml'
    ARM_XML_PATH = 'model/franka_emika_panda/panda_pos.xml'
    robot = CheckFk(SCENE_XML_PATH, ARM_XML_PATH)
    robot.run_loop()

拉取某一个关节,看下末端位置是否一致

换一个方向拉一下看

相关推荐
金融小师妹12 小时前
多因子智能推演:油价回落6%与黄金震荡上行的关联解析——AI预测框架
大数据·python·深度学习
Ai思想家13 小时前
私有化部署的服务器选型与容量规划
人工智能·安全·ai
小码哥哥14 小时前
实战指南:企业网盘与AI知识库的融合架构设计与实现
人工智能
品牌测评14 小时前
AI编码平台的技术演进与行业格局——2026年生态观察
人工智能
爱查宝小二14 小时前
爱查宝 AIGC 检测与降重能力深度评测
人工智能·aigc
白拾14 小时前
【CVPR 2026】POUR:神经坍缩驱动的可证明最优表示级机器遗忘|从隐私合规与表示几何视角
人工智能·机器遗忘·表示学习·医学影像ai·cvpr 2026·pour 论文分享·神经坍缩
重庆传粉科技14 小时前
AI搜索重构互联网价值交换:GEO如何缓解全域流量流失难题
大数据·人工智能
BUG研究员_15 小时前
Runnable与LCEL
开发语言·人工智能·python
老马聊技术15 小时前
Pytorch深度学习环境配置与测试
人工智能·pytorch·python