第六十六 机器人

机器人（Robot）是能够感知环境、自主决策并执行物理动作的机器。从工厂流水线的机械臂到家庭扫地机器人，从手术机器人到正在崛起的人形机器人，机器人是人工智能与物理世界交互的载体，也是“具身智能“的核心形态。

一、机器人概述

1.1 机器人的定义

根据国际标准化组织（ISO 8373），机器人是“具有一定程度的自主能力，可在其环境内运动以执行预期任务的执行机构“。

一个完整的机器人系统由四大部件组成：

┌────────────┐   ┌────────────┐   ┌────────────┐   ┌────────────┐
│  传感器     │ → │  控制器     │ → │  执行器     │ → │  工作环境   │
│ (感知)     │   │ (决策)     │   │ (行动)     │   │ (物理世界) │
└────────────┘   └────────────┘   └────────────┘   └────────────┘
       ↑                                            │
       └────────────── 反馈闭环 ────────────────────┘

1.2 机器人发展简史

1920  捷克作家恰佩克在戏剧中首次使用"Robot"一词
1954  乔治·德沃尔申请第一项工业机器人专利
1961  Unimate 在通用汽车工厂上岗，工业机器人元年
1968  斯坦福研究所研制出第一台移动机器人 Shakey
1973  第一台电动六轴机械臂（KUKA）问世
1997  探路者号火星车；深蓝击败国际象棋世界冠军
2002  iRobot 推出 Roomba，家用机器人普及
2011  Watson 赢得《危险边缘》；Festo 仿生机器人兴起
2013  波士顿动力 Atlas 人形机器人亮相
2020s  人形机器人爆发：Optimus、Figure、宇树等

1.3 机器人三定律（阿西莫夫）

三定律是科幻设定，但对今天的机器人安全设计仍有启发意义。

二、机器人的分类

2.1 按应用场景分类

2.2 按运动方式分类

2.3 人形机器人的优势与挑战

三、机器人的核心技术

3.1 感知（Perception）

3.2 决策（Decision）

3.3 控制（Control）

#![allow(unused)]
fn main() {
// PID 控制器示意
struct Pid {
    kp: f64, ki: f64, kd: f64,
    integral: f64,
    prev_error: f64,
}

impl Pid {
    fn update(&mut self, error: f64, dt: f64) -> f64 {
        self.integral += error * dt;
        let derivative = (error - self.prev_error) / dt;
        self.prev_error = error;
        self.kp * error + self.ki * self.integral + self.kd * derivative
    }
}
}

四、运动学与动力学

4.1 正运动学与逆运动学

         关节 2（肩）
        ╱│
    L1 ╱  │ 关节 3（肘）
      ╱    ╱
    ╱    ╱ L2
  ╱    ╱
关节1  末端执行器（手）

4.2 自由度（DOF）

机器人每个可独立运动的关节就是一个自由度。典型配置：

六自由度足以让末端到达三维空间中的任意位置和姿态，这也是工业机械臂多为六轴的原因。

4.3 位姿表示

五、SLAM 与自主导航

5.1 SLAM 是什么

SLAM（Simultaneous Localization and Mapping，同步定位与建图）：机器人在未知环境中一边构建地图，一边确定自身位置。

传感器数据（激光/视觉）
      │
      ▼
┌───────────────┐
│ 前端：帧间匹配 │ ──> 位姿估计
└───────┬───────┘
        │
┌───────▼───────┐
│ 后端：图优化   │ ──> 全局一致轨迹
└───────┬───────┘
        │
┌───────▼───────┐
│ 建图：占据栅格 │ ──> 环境地图
└───────────────┘

5.2 自主导航流程

建图 → 定位 → 全局路径规划 → 局部避障 → 运动控制
  │       │          │            │
  │       │          │            └─ 实时躲避动态障碍
  │       │          └─ A*/Dijkstra 找全局路径
  │       └─ AMCL/粒子滤波 实时定位
  └─ SLAM 构建环境地图

5.3 路径规划算法

六、机器人操作系统（ROS）

6.1 ROS 是什么

ROS（Robot Operating System）不是真正的操作系统，而是一套面向机器人的分布式通信框架：节点（Node）通过话题（Topic）、服务（Service）、动作（Action）通信。

┌─────────┐ 发布 /odom  ┌─────────┐  订阅 /cmd_vel  ┌─────────┐
│ 里程计节点 │ ──────────> │ 主节点    │ ──────────────> │ 运动控制 │
└─────────┘  话题       └─────────┘                 └─────────┘

6.2 ROS 版本

6.3 ROS 2 与 Rust

// rclrs 发布节点示意（简化）
use rclrs::*;

fn main() -> Result<(), RclrsError> {
    let context = Context::new(std::env::args())?;
    let node = context.create_node("rust_publisher")?;
    let publisher = node.create_publisher::<std_msgs::msg::String>("chatter", 10)?;
    loop {
        publisher.publish(StringMsg::default());
        std::thread::sleep(std::time::Duration::from_millis(500));
    }
}

七、机器人中的 AI

7.1 具身智能（Embodied AI）

具身智能 = 大模型（大脑）+ 机器人（身体）：让 AI 在物理世界中感知、推理、行动。

VLA 模型（Vision-Language-Action）
   │ 输入：图像 + 语言指令
   ▼
输出：动作指令（关节角度/末端轨迹）
   ▼
机器人执行 → 传感器反馈 → 闭环迭代

7.2 机器人学习范式

7.3 仿真平台

八、机器人安全与伦理

九、Rust 机器人生态

#![allow(unused)]
fn main() {
// 用 k 库计算机械臂逆运动学（示意）
use k::Chain;
use nalgebra::Isometry3;

fn ik_example() {
    let chain = Chain::from_urdf_file("robot.urdf").unwrap();
    // 设定目标位姿
    let target = Isometry3::translation(0.5, 0.0, 0.5);
    // 逆运动学求解（迭代）
    let solutions = chain.iter_joint_positions().collect::<Vec<_>>();
    println!("关节数: {}", solutions.len());
}
}

十、总结与练习

本章小结

练习建议

1. PID 调参：写一个 PID 控制器模拟小车直线行驶，调节 kp/ki/kd 观察过冲、震荡与稳态误差。
2. 逆运动学实现：用 nalgebra 为两关节平面机械臂实现逆运动学求解，画出末端轨迹。
3. A* 寻路：实现 A* 算法在一个栅格地图上找最短路径，并用字符画可视化。
4. 仿真实验：在 MuJoCo 或 Isaac Sim 中加载一个简单机器人，用强化学习训练它完成一个任务。
5. ROS 2 初探：安装 ROS 2，用 rclrs 创建一个发布/订阅对，实现话题通信。
6. 机器人伦理讨论：针对“人形机器人进入家庭“的场景，从隐私、责任、情感三个角度写一份风险分析报告。