电子邮箱

密码

 注册 忘记密码？
具身智能需要什么样的机械臂
来源:东林钟声-知乎 | 作者:proac3c72 | 发布时间 :2025-06-13 | 17 次浏览: | 分享到:
引言

具身智能的崛起，正将机器人机械臂的设计推向一个全新的范式。它不再仅仅是执行预编程轨迹的工具，而是要成为智能体在物理世界中进行主动探索、灵巧操作、安全交互的“本体感受”延伸。这一根本目标的转变，对机械臂的底层硬件架构、控制逻辑和软件生态提出了前所未有的严苛要求。为了厘清“具身智能究竟需要什么样的机械臂”这一关键问题，本文将从四个决定性的技术维度展开深度解析：1) 关节电机选型（减速器、编码器、刹车）——动力与感知的基石；2) 电机控制模式（通信协议，位置/速度/电流三环控制，MIT模式）——交互行为的灵魂；3) 运动学构型（六轴 vs. 七轴冗余，正逆解）——灵活性与工作空间的博弈；4) SDK与软件生态——连接AI与硬件的生命线。
动力之源——关节电机选型的核心考量

关节电机（本文主要讨论旋转类）一般会包含电机、驱动PCB板、减速器、编码器以及刹车（不全有）。如下图【1】：


关节电机


刹车：刹车模块的作用为在断电或故障时维持姿态，防止下坠造成危险或损坏（尤其垂直关节），可以理解为断电之后机械臂会不会因为重力的作用直接往下砸。对于工业机械臂来说刹车肯定是必不可少的，谁都不希望在工厂里面巨大的机械臂存在掉电直接往下砸的情况。但对于具身智能时代，轻量级机械臂本身重量不大，一般不会在关节电机中配备刹车。

减速器：一般常用的减速器有三种谐波 vs. RV vs. 行星齿轮。其实对于减速器来说，轻量级的机械臂一般常用就是谐波减速器或者行星减速器，谐波的特点是可以做到单级减速比大，但是比行星减速器贵，同时行星减速器（特别是标准型）的背隙通常比谐波减速器大得多。背隙可以类比日常生活中门铰链松动时门的晃动幅度，或者自行车链条松了踩下去车轮不动的间隙。在精密机械里，这种微小松动会直接影响定位精度。三种减速器的示意图如下（图中价格关注相对值）：

 

减速器对比


编码器：主要用于实现对关节旋转角度的精准传感，主要关注编码器位数，比如14-bit精度，表示转一圈能够用2^14=16384个脉冲表示，那么可以推断出14-bit编码器的精度可以实现360/16384=0.02197度的定位精度。同时对于机械臂来说，我们肯定需要的是绝对值编码器，即掉电之后机械臂也能知道关节目前角度，否则机械臂每次上电都需要从0位复原。同时常见的关节电机采用单编码器（电机侧）： 只能精确控制电机转子的位置/速度。无法感知电机与负载之间传动链（如减速器、联轴器、皮带、丝杠等）引入的误差（背隙、弹性变形、扭转振动、热膨胀、磨损）。为了提高传感精度，有的关节电机会采用双编码器的方案，即在电机转子侧放置一个，通过减速器之后的输出轴再放置一个，通过两个编码器的融合传感提升系统的绝对定位精度和重复定位精度，即使传动链存在背隙、柔性或磨损。

中空电机是一种轴中间贯穿镂空的电机，主要目标是方便走线，能够让线束从电机的正中间进行穿过，从而实现电机线束不外露。但是中空电机一般会更贵。



中空电机

电机控制模式——交互行为的灵魂

关节电机作为机械臂中最直接的执行器，所有的控制都是最终对关节进行控制。最常见的是电机的三环控制：

    位置环：
     输入=目标位置，反馈=实际位置，输出=期望速度（基于位置误差）。

    速度环：
     输入=期望速度，反馈=实际速度，输出=期望电流（基于速度误差）。

    电流环：
     输入=期望电流，反馈=实际电流，输出=调节驱动器电压（基于电流误差），直接控制力矩（电流大致近似线性于力矩）。

MIT控制模式：MIT 模式可实现力矩、位置、速度三者混合控制。其控制框图如下【2】：


MIT控制模式

MIT控制模式


通信协议：由于机器人一般 具有多个关节且需要实现高频率的控制，所以通信协议一般采用CAN总线或者EtherCAT 总线来进行通信控制。其中CAN 总线的最高波特率为1M bps，如果想要实现1Khz 以上的高频闭环控制，需要采用最高波特率可以 到达100M bps 的EherCAT总线。一般来说对于使用CAN总线控制的6轴关节电机，在1M bps下最高应该能实现300hz-500hz的控制，这其实对于协作臂来说足够了。但是如果需要充分发挥力控的作用（1Khz），则需要多个CAN通道，每个CAN通道带3个电机（四足机械狗方案）。
运动学构型——灵活性与工作空间的博弈

常见的机械臂一般采用Pieper准则进行设计，这样能够实现运动学逆解的解析求解。Pieper准则有两种：

    三个连续的转动关节的轴相交于同一点
    三个连续的转动关节的轴平行

只要满足其中一条，就可以进行逆运动学解析求解。我们这里以代表性的两种机械臂对上面两种准则进行解析：

六轴：UR5（满足3个连续的转动轴平行）


UR5


逆运动学存在多解问题：


逆运动学多解


可以从上面看到一般六轴机械臂的一个未端姿态会对应几组不同的逆解。但是，这几组逆解在构形空间内是离散分布的，一般情况下无法在保证未端位姿的情况下从一组逆解变换到另一组逆解。换句话说，让机器人未端走一条固定轨迹，如果两个点中间存在一些不可通过的点(障碍物，奇异点之类)，那么六轴机械臂是无法完成这条轨迹的【3】。

六轴：ESTUN ER10（末端3轴相交于一点）



ESTUN ER10


奇异点：6轴机械臂的奇异点在工作空间中经常遇见：


工作空间奇异点


奇异点可以简单理解为在求解逆运动学中出现了除以0的情况。注意如果你是纯关节控制模式，不存在奇异解的情况。关于逆运动学解析解求法可以参考【4】。

既然我们讨论的是具身智能，那么机械臂应该更像人，而人手是7个自由度：


人手自由度


对于七轴机械臂的话，它多了一个冗余自由度，存在无数组在构形空间内连续的逆解，有可能在保证未端轨迹的同时避开奇异的和障碍物，从而在同样的工作空间内实现更高的灵活性。
SDK与软件生态——连接AI与硬件的生命线

机械臂的SDK控制，在具身智能时代，应该做到简单、易用，且扩展性强。同时为了更好的连接AI，最好采用Python进行SDK的开发。而对于机械臂的控制来说，可以分为4大模块：Motor、Kinematics、Planning、Dynamics。

机械臂控制SDK

Motor部分负责对电机配置、控制。其中最基本的电机控制原语应该至少包括getJ、setP、setV、setT分别表示获取关节信息、控制关节位置、控制关节速度、控制关节力矩（电流）。

Kinematics部分则负责运动学相关的计算，fk、ik、jac分别表示正运动学、逆运动学、雅可比矩阵的计算。

Planning部分则表示对机械臂末端工作空间的规划，movJ、movL、movC表示三种不同工作空间中点到点的插补模式：


三种不同工作空间轨迹插补模式


Dynamics部分则表示对机械臂动力学进行计算，invDyn表示对机械臂逆动力学进行计算，可以实现计算力矩控制、阻抗控制、重力补偿以及基于本体感受的碰撞检测等高级力控功能（实现更高响应、更柔顺的控制）。


机械臂逆运动学计算

综合总结

个人认为，目前其实需要的是便宜（买得起）、7自由度构型（第一性原理）、python SDK（兼容AI生态）、不低于1Khz控制频率（面向力控）的机械臂。


参考资料


【1】协作机器人关节模组详解-CSDN博客

【2】达妙MIT模式介绍

【3】未来七轴机器人会占据主流？深度解析具身智能方向当前六轴机器人和七轴机器人的区别，七轴力控机器人发展会加快吗？_6自由度机械臂和7自由度机械臂的区别-CSDN博客

【4】李家旺：UR和iiwa协作机械臂逆运动学解析解算法
扫描下方二维码，关注浅说艺术

关注公众号


即时获知最新推送

休闲时刻


陶冶艺术情操

Copyright ©  2015  Science And Technology Investment Network.All Rights Reserved    版权所有：数智化网

地址：北京市海淀区翠微中里14号楼   

京公网安备11010802045648号           ICP备案号：京ICP备15022117号