一、正向运动学（Forward Kinematics）
核心问题：已知每个关节转多少度，求末端执行器（如机械手、焊枪）在哪里、朝向如何。
通俗理解：就像你控制自己的手臂，你知道肩关节、肘关节、腕关节各自的角度，然后想知道手指尖最终停留在空间中的哪个位置。
数学方法 ：通过一系列齐次变换矩阵 的连乘来实现。最常用的建模方法是 DH参数法（Denavit-Hartenberg），为每个关节建立4×4的变换矩阵，将所有矩阵相乘即可得到末端位姿。
特点：
-
解唯一：给定一组关节角度，末端位姿是确定的
-
计算直接：主要是矩阵乘法，计算速度快
-
用途：机器人状态监测、碰撞检测、仿真显示
二、逆向运动学（Inverse Kinematics）
核心问题：已知末端要去哪个位置、朝哪个方向，求每个关节应该转多少度。
通俗理解：你想用手指触碰桌上的水杯，大脑不会直接命令"肩关节转30°、肘关节转45°"，而是先确定"手指要碰到杯口"，然后神经系统自动反推出各关节的角度。这就是逆向运动学。
特点：
-
解可能不唯一：同一个末端位置，关节可以有多种姿态组合（如手臂可以"伸直"或"弯曲"去碰同一点）
-
可能无解：目标点超出机械臂的工作范围时，没有对应的关节角度
-
存在奇异点：在某些特殊位形下，机器人失去某个方向的运动能力，求解会变得异常困难
三、FK 与 IK 的对比
| 维度 | 正向运动学（FK） | 逆向运动学（IK） |
|---|---|---|
| 输入 | 关节角度 | 末端目标位姿（位置+姿态） |
| 输出 | 末端位姿 | 关节角度 |
| 解的数量 | 唯一 | 可能多解、唯一解或无解 |
| 计算难度 | 简单（矩阵连乘） | 复杂（解非线性方程组） |
| 实际用途 | 状态显示、验证 | 轨迹规划、抓取控制 |
四、逆向运动学的三大求解方法
根据搜索结果，IK求解主要分为三类：
1. 几何法（Geometric）
-
适用于关节数较少、结构简单的机械臂
-
通过三角函数和空间几何关系直接求解
-
直观但通用性差
2. 解析法/代数法（Analytic）
-
利用变换矩阵的代数结构求解
-
对于6自由度机械臂，若后三个关节轴线交于一点（球形腕部），可用 Pieper准则 得到封闭解
-
计算速度快，适合实时控制
3. 数值法（Numerical）
-
通过迭代逐步逼近目标，常用的有：
-
雅可比矩阵迭代法：利用 Jacobian 描述关节速度到末端速度的关系，通过伪逆迭代求解
-
CCD（循环坐标下降）：逐个优化关节角度，简单易懂
-
优化方法：将IK转化为最小化问题，用梯度下降等算法求解
-
-
优点：通用性强，适用于任意构型；缺点：计算量大，可能收敛到局部最优