机器人经验学习1 杂记

1）硬件：
CPU中央处理器：处理任务
GPU图形处理单元：一个相同指令下可以同时发给不同的线程或内核，让他并行地去执行，加速视觉信号处理。
ISP图像处理单元：图像处理的一个单元，将摄像头中的一个数据转化为图像或者视频文件，导入到AI进行应用。
DSP数字信号处理器：进行复杂是数学换算。
NPU神经处理单元：加速机器学习运算单元
TPU张量处理单元：加速机器学习运算单元

2）足式机器人运用环境
需要商业落地，需要大量的应用，否则没办法解决大量就业问题产生商业价值。

3）人形底层技术

人形下层：
---运动学建模
---雅可比
---前向运动学
---四元素，旋量，李群李代数
---浮动基坐标
---IMU+GPS+视觉
---噪声，融合
---动力学模型
---全身动力学，参数辨识
---土豆模型，MIT
---倒立摆，早期
---运动控制
---PID
---电机减速器
---平衡
---倒立摆
---MPC
---HZD

电机选型，出力和速度曲线，可以抄袭电机参数或者单腿测试力矩反应响应。
刚度不够，会抖动，带宽不够，强度不够，

- **建模：**从简化模型（如倒立摆）到复杂动力学模型（如全身动力学和NPC控制），模型选择取决于精确度和稳定性需求。
- **动力学：**强调参数辨识的困难，通常从三维模型获取参数，涉及多领域知识如高等动力学。
- **运动控制：**正向动力学与力动力学的区别，如何通过力控制机器人运动。
- **PID调整：**电机和减速器选型的挑战，需要匹配机器人的工作曲线以确保性能。
- **集成性：**多电机集成的复杂性，振动抑制和响应频率的重要性。
- **减轻重量：**如特斯拉，动力系统的发展但仍存在功率密度不足的问题。
- **材料选择：**如钛合金在减重和刚度控制中的应用。
- **平衡与稳定性：**平衡控制方法，如ZMP和Sleep模型，以及对机器人整体响应的影响。
- **优化与约束：**如MPC（模型预测控制）在规划动作时考虑摩擦和动力学约束。
- **非线性控制：**推荐书籍帮助理解非线性系统，涉及混沌理论。
- **数学基础：**运动学、矩阵分析与求解，强调现有库的使用来简化复杂计算。

系统
---驱动
---结构
---传感器
---ros
---通讯：CAN/EtherCAT
---单片机（实时性，类似驱动）/算力板

人形上层
---自主导航
---抓取
---视觉
---规划
---交互
---力，处决
---语言LLM
---任务
---模仿学习
---强化学习

工程化难点
---软件系统搭建
---结构设计
---欠驱动系统稳定性
---调试难
---传感器

4）机器人开发首先第一个要想到安全模块：
结构上保证不要有夹断手指，棱角安全标准，
软件执行器：速度，力矩有限制，碰到有阻挡出现了突变通过传感器去读取后进行保护机制
传感器反馈：设计上有传感器有异常时候，可以应对突发情况比如脱线传感器信息及时应对
算法：奇异时候，需要数据求解有解
PCB：静电干扰，外磁干扰，会有双冗余double check
急停的保护

5）人形机器人调试经验
Sim2Real 仿真与样机偏差，找出差异和出入，需要大量验证针对非标问题
6）机械结构
扫频，带宽，从频谱上分析我们整个系统带宽，输入信号衰减不能少于多少db，相位幅度都有要求
想要机器人多快速度迈步，运动速度，曲线画出来，整个电机系统选型，功率也就确定了速度和力矩曲线
单腿摆动，给轨迹频率，然后看相位的衰减，来看跟踪性来测出系统跟踪精度，支撑带载跟踪，腿位置摆动，质量大，惯性大，往复加减速力矩大。后续被动柔顺被直驱所取代，腿的质量轻，抬腿惯性力当扰动
7）怎么让机器人走起来
倒立摆
--平面倒立摆，从简单的倒立摆控制开始，通过连杆和飞轮保持机身平衡，
单刚体模型控制
--土豆模型，通过4个力控制机器人前进后退和平衡
WholeBody模型控制
--全身动力学控制，
调试工程的经验

。