人形机器人--设计导论

1-机器⼈设计开发⽂档

引⾔

机器⼈开发是⼀项⾯向真实物理世界的系统⼯程。它不是单纯的机械结构设计，也不是单纯的控制算

法、视觉算法或⼤模型应⽤。⼀个机器⼈要稳定完成任务，必须把任务需求、构型设计、关节模组、

结构刚度、传感器、动⼒学、接触、规划、控制、学习、测试和数字孪⽣放在同⼀个闭环中理解。

机器⼈系统的核⼼⽭盾是：软件希望世界是连续、可预测、可规划的；真实物理世界却充满摩擦、间

隙、柔顺、噪声、延迟、碰撞、遮挡、热衰减和个体差异。机器⼈开发的技术体系，就是把这些物理

不确定性逐步转化为可建模、可仿真、可测试、可控制、可回传更新的⼯程对象。

本书稿以⼀条主线展开：

任务需求

↓

机器⼈本体与关键部件

↓

模型基线与多保真仿真

↓

感知、规划、控制与学习

↓

台架、HIL、真机测试

↓

数字孪⽣与模型回传

↓

下⼀轮设计迭代

第⼀篇 总论：机器⼈是⼀套物理智能系统

第⼀章 机器⼈系统的分层结构

1.1 系统边界

机器⼈不是⼀个孤⽴机械装置，⽽是⼀套包含物理本体、传感器、控制器、软件、数据和任务环境的

闭环系统。定义机器⼈系统时，必须同时定义三类边界：机械边界、信息边界和任务边界。

机械边界回答哪些结构、关节、传感器、电源、末端执⾏器属于机器⼈本体；信息边界回答哪些状态

被测量、估计、通信和记录；任务边界回答机器⼈要在什么环境中完成什么动作，以及失败后如何处

理。

1.2 六层结构

机器⼈可以被看成由六个层次耦合⽽成：

任务层：⽤⼾⽬标、场景约束、任务成功标准

世界层：外部环境、物体、⼈员、障碍、语义与⼏何

本体层：构型、连杆、关节、执⾏器、传感器、能源

模型层：CAD、URDF、MJCF、USD、CAE、动⼒学模型

规划控制层：路径、轨迹、⼒控、阻抗、伺服、状态估计

验证演化层：仿真、台架、HIL、真机测试、模型回传

这些层不是单向链条。结构刚度会限制控制带宽；关节热能⼒会限制任务频率；视觉盲区会改变构型

布局；末端执⾏器的摩擦和柔顺会决定抓取策略；仿真模型可信度会决定控制策略能否迁移到真机。

1.3 跨层耦合

机器⼈中很多问题来⾃跨层耦合。例如夹⽖抓取抖动，看似是控制问题，但可能来⾃夹⽖低阶模态、

指尖摩擦、减速器背隙、控制延迟、传感噪声、轨迹 jerk 或物体柔顺性。机械、控制、接触和数据必

须⼀起诊断。

跨层耦合可以⽤四类问题检查：

•

能不能到达：⼯作空间、姿态能⼒、避障、奇异点、关节限位。

•

能不能承受：强度、刚度、模态、热、冲击、寿命。

•

能不能控制：动⼒学、摩擦、背隙、延迟、柔顺、控制带宽。

•

能不能验证：KPI、测试⽅法、模型可信度、真机数据回传。

1.4 本章⼯程输出

•

机器⼈系统边界定义。

•

六层系统架构图。

•

关键跨层耦合清单。

•

初始⻛险清单：可达、承载、控制、验证。

本章参考资料

•

NASA, Systems Engineering Handbook: https://www.nasa.gov/reference/systemsengineering-handbook/

•

Modern Robotics, Lynch and Park: https://modernrobotics.northwestern.edu/

•

ROS 2 documentation: https://docs.ros.org/

第⼆章 从任务需求定义机器⼈

2.1 任务需求的分解⽅式

机器⼈设计的起点是任务，⽽不是结构。任务需求应从场景、对象、动作、性能、安全、环境和交付

约束七个维度分解。

例如“机器⼈拿杯⼦”应拆成：杯⼦在哪⾥、是否透明或反光、是否带⽔、质量和尺⼨范围、从哪⾥

拿到哪⾥、是否递给⼈、允许多⼤晃动、失败后是否允许重试、接触⼈时最⼤⼒是多少。

2.2 KPI 与验收标准

需求必须转化为可测试指标。典型 KPI 包括：

类别 指标⽰例 验证⽅式

⼯作空间 任务点可达率、姿态覆盖率 运动学仿真 + 标定实测

运动性能 速度、加速度、重复定位精度 轨迹测试

操作能⼒ 抓取成功率、滑移率、损伤率 物体集测试

承载能⼒ 最⼤负载、连续负载、冲击裕量 动⼒学 + 台架

安全 接触⼒、限速、急停距离 安全测试

连续⼯作 温升、续航、降额曲线 热仿真 + 耐久测试

2.3 失败边界

需求不仅要定义成功，也要定义失败。机器⼈任务常⻅失败包括不可达、识别失败、抓取失败、滑

移、碰撞、超扭矩、过温、通信异常和⽤⼾误操作。每类失败都应对应检测⽅式和恢复策略。

2.4 需求追踪矩阵

需求、设计、仿真和测试之间应建⽴追踪关系：

需求条⽬ → 设计参数 → 仿真模型 → 测试⽅法 → 实测结果 → 是否闭环

没有测试⽅法的需求不能作为⼯程约束；没有需求来源的设计参数容易变成过度设计。

本章参考资料

•

NASA, Systems Engineering Handbook: https://www.nasa.gov/reference/systemsengineering-handbook/

•

ISO 13482, Safety requirements for personal care robots:

https://www.iso.org/standard/53820.html

•

ISO 10218, Safety requirements for industrial robots:

https://www.iso.org/standard/73933.html

•

ISO/TS 15066, Collaborative robots: https://www.iso.org/standard/62996.html

第三章 V 型闭环与模型可信度

3.1 V 型闭环

机器⼈开发适合⽤ V 型流程理解。左侧是需求和设计分解，右侧是验证和回归：

任务需求

↓ ↑

系统指标 验收测试

↓ ↑

构型⽅案 整机验证

↓ ↑

关键部件 ⼦系统测试

↓ ↑

模型与仿真 单元测试

↓ ↑

实现与集成 → 台架/HIL/真机

3.2 Verification、Validation 与 Credibility

仿真模型也需要验证。应区分三件事：

•

Verification：⽅程、⽹格、求解器、单位、坐标系、边界条件是否实现正确。

•

Validation：仿真结果与实验结果是否在⽬标⼯况下吻合。

•

Credibility：在当前决策⻛险下，这个模型是否⾜够可信。

模型可信度不是越⾼越好，⽽是要匹配⽤途。构型筛选可以使⽤粗模型；安全裕量、热降额和碰撞⻛

险需要更保守模型；强化学习仿真可以有误差，但要覆盖真实变化范围。

3.3 模型分级

机器⼈常⽤模型可以分为：

等级 模型 适⽤场景

L0 ⼏何/草图模型 构型概念、空间关系

L1 运动学模型 ⼯作空间、IK、碰撞

L2 刚体动⼒学模型 扭矩、轨迹、控制前馈

L3 含执⾏器/接触模型 控制、抓取、Sim2Real

L4 ⾼保真 CAE 刚度、模态、热、局部接触

L5 数字孪⽣ 在线状态估计、回传更新

3.4 九阶段⼯程⻔禁

从流程⻆度看，机器⼈可以按九个阶段推进。阶段名称不是为了管理⽂档，⽽是为了保证每个阶段都

有可验证的⼯程输出。

阶段 核⼼问题 关键交付物 ⻔禁

01 需求定义 要做什么机器⼈，如何验

收

PRD、KPI 清单、场景⽤

例、⻛险清单

KPI 有数字、有测试⽅法

02 构型设计 ⾃由度和形态是否满⾜任

务

构型⽅案、DoF 表、⼯作

空间分析

典型任务可达，⻛险可解

释

03 模型基线 机械⽅案能否变成可信模

型

CAD/URDF/MJCF/USD、

参数字典

坐标、质量、惯量、碰撞

体校核

04 动⼒学预估 关节是否够⽤ 扭矩表、TN 曲线、功率

谱、热负荷

⾄少覆盖静态、动态、冲

击⼯况

05 关节详设 模组是否满⾜扭矩、精

度、热和寿命

电机、减速器、驱动、结

构、控制报告

四条⼦线交叉评审通过

06 整机结构 整机是否轻、刚、稳、可

制造

3D 装配、质量分布、模

态、⼯艺评审

⼀阶模态和刚度满⾜任务

边界

07 控制与学习 策略能否稳定迁移 控制参数、训练曲线、域

随机化配置

仿真成功不等于真机成

功，需 gap 评估

08 HIL/真机 模型与实物是否闭环 HIL 规范、实测报告、

gap 报告

关键参数完成回传

09 交付回传 经验是否沉淀为模型资产 验收报告、BOM、数字孪

⽣模型

数据、模型、测试版本⼀

致

这个九阶段流程可以映射到本书各章：第 2 章对应需求，第 4 章对应构型，第 5-9 章对应本体和关键

部件，第 10-15 章对应模型与仿真，第 16-19 章对应规划控制智能，第 20-23 章对应数字孪⽣和验证

闭环。

3.5 横向贯穿项

机器⼈开发还有⼏类横向能⼒贯穿所有阶段：

•

版本基线：CAD、URDF、MJCF、BOM、扭矩表、仿真脚本和测试数据必须能追踪版本。

•

安全与合规：服务机器⼈、协作机器⼈和⼯业机器⼈分别对应不同安全边界。

•

成本与 BOM：构型、关节、传感器和制造⼯艺都要受成本约束。

•

⻛险分析：FMEA、FTA、HAZOP 应贯穿需求、设计、测试和交付。

•

可制造、可装配、可测试、可维修：DFM、DFA、DFT、DFS 应在设计阶段进⼊，⽽不是样机后

补。

•

数据回传：测试不是终点，测试数据必须更新模型、控制参数和下⼀轮设计。

3.6 本章⼯程输出

•

V 型开发矩阵。

•

九阶段⼯程⻔禁表。

•

模型⽤途和可信度等级。

•

仿真与测试对应关系。

•

模型版本和实验数据回传规则。

本章参考资料

•

NASA, Systems Engineering Handbook: https://www.nasa.gov/reference/systemsengineering-handbook/

•

INCOSE Systems Engineering Handbook: https://www.incose.org/systems-engineering-book

•

ASME V&V 40: https://www.asme.org/codes-standards/find-codes-standards/v-v-40-

assessing-credibility-computational-modeling-verification-validation-application-medicaldevices

•

ASME V&V 10: https://www.asme.org/codes-standards/find-codes-standards/v-v-10-guideverification-validation-computational-solid-mechanics

•

NIST robotics and intelligent systems: https://www.nist.gov/el/intelligent-systems-division73500

第⼆篇 机器⼈本体设计

第四章 构型、⾃由度与⼯作空间

4.1 构型选择

构型设计决定机器⼈能⼒上限。它包括整体形态、⾃由度数量、关节拓扑、连杆⻓度、传感器位置、

末端执⾏器⽅案和整机重⼼布局。

常⻅构型选择包括固定机械臂、移动机械臂、轮式底盘、腿式机器⼈、轮腿机器⼈、单臂、双臂、多

臂以及带腰部/升降/俯仰⾃由度的复合构型。

4.2 ⾃由度分配

⾃由度不是越多越好。6 DoF 可满⾜⼀般末端位姿控制；7 DoF 可在保持末端位姿的同时优化避障、关

节限位和可操作度；更多⾃由度适合复杂任务，但会增加 IK、轨迹优化、标定和控制复杂度。

⾃由度分配应考虑：

•

任务需要的末端姿态空间。

•

是否需要绕开障碍或⼈体。

•

是否需要双臂协同。

•

是否存在传感器遮挡。

•

是否需要降低某些关节扭矩。

4.3 ⼯作空间与可操作度

理论⼯作空间只说明末端点能否到达，不说明能否以正确姿态、安全路径、⾜够刚度和合理扭矩完成

任务。构型阶段应同时分析：

•

任务点覆盖率。

•

姿态覆盖率。

•

IK 成功率。

•

Jacobian 条件数。

•

Yoshikawa 可操作度。

•

奇异点距离。

•

关节限位余量。

4.4 碰撞与传感器布局

传感器布局应在构型阶段同步考虑。相机放在头部、胸部、腕部或环境侧，会改变遮挡、精度、外参

稳定性和⼿眼标定难度。构型设计应同时检查⾃碰撞、环境碰撞、传感器视野、近距离盲区和任务中

被机械臂遮挡的区域。

4.5 本章⼯程输出

•

构型候选⽅案集。

•

⾃由度分配表。

• ⼯作空间云图和任务点覆盖率。

•

IK 成功率与可操作度分析。

•

典型任务轨迹动画。

•

传感器视野和遮挡分析。

本章参考资料

•

Modern Robotics, Lynch and Park: https://modernrobotics.northwestern.edu/

•

MoveIt 2 documentation: https://moveit.picknik.ai/main/index.html

•

OMPL documentation: https://ompl.kavrakilab.org/

•

ISO 9283, Manipulating industrial robots performance criteria:

https://www.iso.org/standard/22244.html

第五章 关节模组与执⾏器

5.1 关节需求分解

关节模组是机器⼈运动能⼒的核⼼。它不是⼀个“能转的电机”，⽽是⼀个同时具有扭矩、速度、功

率、刚度、阻尼、热容量、摩擦、背隙、带宽、寿命和安全边界的动⼒单元。

关节需求应从任务轨迹分解，⽽不是从静态负载直接估算：

任务脚本

→ q, qdot, qddot

→ 逆动⼒学扭矩 tau

→ 扭矩-转速散点云

→ 峰值扭矩、连续扭矩、RMS 扭矩

→ 电机、减速器、驱动器、热设计和寿命校核

关节需求表⾄少应包含：

指标 内容

机械输出 峰值扭矩、连续扭矩、峰值速度、连续速度

⼯况 静态、动态、冲击、急停、外部接触、连续循环

热 RMS 扭矩、绕组温度、驱动器温度、壳体温升

精度 分辨率、重复定位、回差、低速平稳性

控制 位置/速度/⼒矩模式、带宽、延迟、限幅

寿命 循环次数、轴承寿命、减速器寿命、润滑

安全 制动、限位、过流、过温、通信丢失策略

5.2 关节架构选择

常⻅关节架构包括直驱、准直驱、⾼减速⽐关节、串联弹性关节和集成式智能关节。

架构 特点 适⽤场景

直驱 ⽆减速器、低摩擦、⾼带宽、体积

⼤

⾼精度、⾼响应、低负载

准直驱 低减速⽐、⼤电机、反驱性较好 腿⾜、动态机器⼈

⾏星/⻮轮减速 承载⾼、效率较⾼、可定制 ⼯业和通⽤关节

谐波减速 ⾼减速⽐、紧凑、回差⼩ 机械臂、协作臂

摆线/RV 刚度⾼、承载强、体积较⼤ ⼤负载⼯业关节

串联弹性 ⼒控安全、抗冲击、带宽受限 ⼈机交互、腿⾜

架构选择要和控制⽬标⼀致。追求⾼⼒控带宽时，过⾼减速⽐和⾼摩擦会增加难度；追求⾼负载和紧

凑性时，直驱往往不现实；追求⼈机安全时，需要考虑反驱性、制动和柔顺。

5.3 电机电磁设计

机器⼈关节常⽤永磁同步电机或⽆刷直流电机。电机设计的关键不只是额定功率，⽽是扭矩密度、低

速平稳性、热能⼒、反电动势、⻮槽转矩、转矩脉动和可制造性。

电磁设计核⼼参数包括：

•

极槽配合：影响⻮槽转矩、绕组因数、转矩脉动和制造难度。

•

⽓隙磁密：影响转矩密度，也受饱和、退磁和损耗约束。

•

绕组形式：集中绕组或分布绕组影响端部⻓度、铜耗和谐波。

•

扭矩常数 Kt：决定单位电流输出扭矩。

•

反电动势常数 Ke/Kv：决定⾼速下电压裕量。

•

相电阻和相电感：影响铜耗、电流环带宽和驱动器匹配。

•

⻮槽转矩和转矩脉动：影响低速爬⾏、⼒控和抓取稳定性。

•

磁钢等级和退磁裕量：影响温度能⼒和冲击电流安全。

电机电磁仿真通常需要 Maxwell、Motor-CAD 或同类⼯具完成。电磁仿真结果不能只看峰值转矩，还

应输出：

•

扭矩-电流曲线。

•

转速-转矩曲线。

• 效率 map。

•

损耗分解：铜耗、铁耗、涡流、机械损耗。

•

⻮槽转矩和转矩脉动。

•

温度升⾼后的 Kt、阻值和退磁⻛险。

•

与驱动器电压、电流和控制频率的匹配关系。

5.4 驱动器与电流控制

驱动器把控制命令转化为电机电流。机器⼈关节常⽤ FOC 控制，底层通常包含电流环、速度环和位置

环。驱动器设计直接影响响应、噪声、发热和安全。

关键设计点包括：

•

⺟线电压：决定⾼速反电动势裕量和峰值功率。

•

峰值/连续电流：决定峰值扭矩和热能⼒。

•

PWM 频率：影响电流纹波、噪声、损耗和电流环带宽。

•

电流采样：采样精度、噪声、同步和滤波。

•

保护：过流、过压、⽋压、过温、短路、编码器异常。

•

通信：EtherCAT、CAN、RS485 或⾃研总线。

•

控制模式：CSP、CSV、CST 或⼚商⾃定义位置/速度/⼒矩模式。

驱动器与控制器之间要明确命令接⼝和状态反馈接⼝。对于⼒控和阻抗控制，⼒矩模式和电流环质量

⾮常关键；对于位置控制型关节，轨迹插补、延迟和位置环刚度更重要。

5.5 减速器选型

减速器决定输出扭矩、速度、刚度、背隙、效率、反驱性和寿命。选型时不能只看额定扭矩和减速

⽐。

减速器关键指标包括：

•

减速⽐。

•

额定扭矩、峰值扭矩、冲击扭矩。

•

额定输⼊转速和极限转速。

•

传动效率及效率随负载/速度变化。

•

扭转刚度。

•

背隙、lost motion 和迟滞。

•

启动摩擦和低速摩擦。

•

寿命、润滑、温升、噪声。

•

轴向/径向/倾覆⼒矩承载能⼒。

对机器⼈关节⽽⾔，减速器误差会直接表现为末端误差和⼒控误差。⾼减速⽐可以降低电机扭矩需

求，但会放⼤电机侧惯量、降低反驱性、增加摩擦和迟滞。低减速⽐提⾼反驱性和响应，但需要更⼤

电机和更⾼电流。

5.6 ⻮轮设计

⻮轮设计⽤于⾏星减速器、平⾏轴减速器、锥⻮轮或⾃研传动结构。⻮轮设计不仅是画⻮形，还要完

成强度、接触、润滑、制造和噪声校核。

核⼼参数包括：

•

模数、⻮数、压⼒⻆、螺旋⻆。

•

⻮宽、变位系数、中⼼距。

•

材料、热处理、表⾯硬度。

•

⻮根弯曲强度。

•

⻮⾯接触强度。

•

胶合、点蚀、磨损⻛险。

•

⾏星轮载荷均分。

•

侧隙、传动误差和 NVH。

机器⼈关节中的⻮轮设计尤其要关注低速平稳性、反向间隙和扭转刚度。⾼强度并不等于⾼控制性

能。⻮轮啮合误差、偏⼼和装配误差会引⼊周期性转矩波动，可能在低速控制和抓取时表现为抖动。

⻮轮设计的基本校核链条是：

载荷谱

→ 名义切向⼒、径向⼒、轴向⼒

→ ⻮根弯曲强度校核

→ ⻮⾯接触强度校核

→ 寿命、润滑、温升和磨损校核

→ 传动误差、侧隙、噪声和装配敏感性分析

⾏星⻮轮还要特别关注均载。理论上多个⾏星轮分担载荷，但实际会受太阳轮偏⼼、内⻮圈变形、⾏

星架刚度、轴承间隙和制造误差影响。机器⼈关节中若追求轻量化，壳体和⾏星架柔度会更明显，可

能导致某个⾏星轮过载或产⽣周期性扭矩波动。

对控制系统⽽⾔，⻮轮传动⾄少应向仿真模型提供四类参数：等效惯量、等效摩擦、扭转刚度和回差/

迟滞。若需要分析低速抖动，还应加⼊啮合刚度周期变化、转矩脉动或经验辨识得到的周期扰动项。

5.7 谐波减速器设计

谐波减速器由波发⽣器、柔轮和刚轮组成，具有⾼减速⽐、紧凑、回差⼩等优点，因此常⽤于机械臂

关节。但它不是理想刚性传动。

谐波设计与选型要关注：

•

柔轮疲劳寿命。

•

额定扭矩、瞬时峰值扭矩、启动/停⽌冲击。

•

扭转刚度和迟滞曲线。

•

lost motion，⽽不仅是静态背隙。

•

传动效率和温升。

•

波发⽣器轴承寿命。

•

安装同轴度和装配预紧。

•

润滑状态和噪声。

谐波减速器常⻅问题是柔顺和迟滞导致⼒控误差，扭矩波动导致低速不平顺，过载导致柔轮寿命下

降。对于需要⾼动态响应或⾼精度⼒控的关节，应把谐波柔顺建⼊仿真模型，⽽不是把关节视为理想

刚性铰链。

谐波减速器的⼯程判断不能只看“回差⼩”。对机器⼈更关键的是 lost motion、迟滞曲线、扭转刚度

随扭矩变化、摩擦随温度变化和寿命裕量。某些谐波在⼩扭矩区表现出明显⾮线性，导致电流估⼒和

阻抗控制误差增⼤；在周期性运动中，柔轮疲劳寿命可能⽐额定扭矩更早成为约束。

建模时可以按复杂度分三层：

•

简化模型：理想减速⽐ + 扭矩/速度限制。

•

⼯程模型：加⼊等效摩擦、扭转刚度、阻尼和输出端回差。

•

诊断模型：加⼊迟滞曲线、周期性传动误差、温度相关摩擦和柔顺⾮线性。

对于夹⽖抖动、机械臂末端振动和⼒控不稳定，谐波柔顺与控制带宽之间的相互作⽤应单独检查。

5.8 轴承、⽀撑与结构集成

关节输出端通常同时承受径向⼒、轴向⼒和倾覆⼒矩。轴承选择会影响关节刚度、寿命、摩擦和装配

尺⼨。

常⻅⽅案包括深沟球轴承、⻆接触轴承、交叉滚⼦轴承、薄壁轴承和定制⽀撑结构。机械臂关节和夹

⽖关节往往需要关注倾覆刚度；腿⾜和轮式关节需要关注冲击和污染；轻量化关节需要在刚度和质量

之间权衡。

轴承与⽀撑设计要检查：

•

载荷谱和等效动载荷。

•

L10 寿命。

•

预紧和刚度。

•

温升和润滑。

•

密封、防尘、防⽔。

•

装配公差和同轴度。

•

输出端法兰刚度。

5.9 制动、限位与安全

机器⼈关节需要考虑失电、急停、通信丢失和控制异常。制动器和限位不是附属件，⽽是安全架构的

⼀部分。

关键设计点包括：

•

失电抱闸还是通电制动。

•

制动器保持扭矩和动态制动能⼒。

•

机械限位、软限位和编码器限位的冗余。

•

急停时的能量吸收和⺟线过压。

•

垂直关节失电下坠⻛险。

•

⼈机协作场景下的速度和⼒限制。

制动器可能引⼊间隙、噪声、磨损和热问题。垂直轴关节尤其要校核抱闸寿命和失效模式。

5.10 传感器与状态估计

关节传感器决定机器⼈对⾃⾝状态的认识。常⻅传感器包括电机侧编码器、输出侧编码器、电流采

样、温度传感器、⼒矩传感器、IMU、霍尔、限位开关和制动器状态反馈。

电机侧编码器分辨率⾼、集成⽅便，但经过减速器后不能直接反映输出端背隙和柔顺。输出侧编码器

更接近真实关节⻆，但增加成本、空间和装配难度。⼒矩传感器可以⽀持⾼质量⼒控，但要处理噪

声、温漂、过载和安装刚度。

状态估计应补偿：

•

零点误差。

•

温漂。

•

编码器偏⼼。

•

减速器背隙。

•

输出端柔顺。

•

摩擦和死区。

•

通信延迟和滤波延迟。

5.11 热设计与结构集成

关节热路径通常从绕组、铁芯、定⼦、壳体、安装法兰到外部空⽓或机器⼈结构。⾼集成度关节散热

困难，因为电机、减速器、驱动器和制动器都集中在⼩体积内。

热设计需要考虑：

• 电机铜耗、铁耗和机械损耗。

•

驱动器 MOSFET/IGBT 损耗。

•

减速器摩擦损耗。

•

轴承和密封摩擦。

•

壳体导热、散热⽚、⻛冷或液冷。

•

外壳温度限制和⼈机接触安全。

•

温度对磁钢、绕组、润滑脂和电⼦器件寿命的影响。

热仿真应与任务周期连接，⽽不是只做单点稳态温升。关节连续能⼒主要由 RMS 扭矩和散热边界决

定。

5.12 测试、标定与参数回传

关节模组必须通过测试把设计参数变成真实参数。建议建⽴以下测试：

测试 输出参数

空载速度测试 速度极限、反电动势、电压裕量

扭矩标定 Kt、电流-扭矩关系、饱和

摩擦测试 库仑摩擦、粘性摩擦、Stribeck 区域

背隙/迟滞测试 lost motion、回差、柔顺

刚度测试 扭转刚度、输出端柔顺

热测试 连续扭矩、温升、降额曲线

带宽测试 电流环、速度环、位置环响应

寿命测试 温升、磨损、噪声、性能漂移

测试结果应回传到 URDF/MJCF/控制参数和数字孪⽣参数字典中。关节不是仿真中的理想 revolute

joint，⽽是带限制、摩擦、柔顺、延迟、噪声和热边界的真实执⾏器。

关节台架建议⾄少具备三类能⼒：

•

加载能⼒：磁粉制动器、⼒矩电机、砝码臂或其他可控负载，⽤于测扭矩、刚度和热。

•

测量能⼒：输出端编码器、⼒矩传感器、电流采样、温度、振动、噪声和外部位移测量。

•

控制能⼒：可运⾏位置、速度、⼒矩、扫频、阶跃、正弦、轨迹循环和异常停机测试。

测试数据回传到仿真时，不建议只填⼀个“damping”或“friction”常数。更好的做法是分层记录：

静态参数：质量、惯量、减速⽐、限位、最⼤扭矩、最⼤速度

低速参数：库仑摩擦、Stribeck 摩擦、死区、最⼩可控速度

弹性参数：扭转刚度、阻尼、背隙、迟滞

动态参数：电流环带宽、速度环带宽、位置环带宽、延迟

热参数：连续扭矩、热阻、热容、降额曲线

噪声参数：编码器噪声、电流噪声、⼒矩估计噪声

这些参数会直接影响运动规划、控制仿真、抓取仿真、Sim2Real 和数字孪⽣健康监测。

5.13 本章⼯程输出

•

关节需求表和载荷谱。

•

电机电磁设计或选型报告。

•

驱动器匹配报告。

•

减速器/⻮轮/谐波选型与校核报告。

•

轴承和⽀撑设计报告。

•

制动、限位和安全策略。

•

热仿真和温升测试报告。

•

关节测试台架数据。

•

仿真参数字典：扭矩、速度、摩擦、背隙、刚度、阻尼、延迟、热降额。

本章参考资料

•

Ansys Motor-CAD: https://www.ansys.com/products/electronics/ansys-motor-cad

•

Ansys Maxwell: https://www.ansys.com/products/electronics/ansys-maxwell

•

ISO 6336, Calculation of load capacity of spur and helical gears:

https://www.iso.org/standard/63821.html

•

Harmonic Drive technical resources: https://www.harmonicdrive.net/

•

SKF rolling bearings: https://www.skf.com/group/products/rolling-bearings

•

Schaeffler rolling bearings: https://www.schaeffler.com/en/products-andsolutions/industrial/rolling-bearings/

•

CiA 402 device profile for drives and motion control: https://www.can-cia.org/canknowledge/cia-402-series-canopen-device-profile-for-drives-and-motion-control/

•

ROS 2 control documentation: https://control.ros.org/

•

MuJoCo actuator documentation: https://mujoco.readthedocs.io/

第六章 末端执⾏器与抓取机构

6.1 末端执⾏器类型

末端执⾏器直接决定机器⼈能与世界发⽣什么类型的物理交互。⼆指夹⽖适合规则刚体和简单抓取；

柔性夹⽖适合易碎或形状不确定物体；吸盘适合平整、⽓密表⾯；灵巧⼿适合复杂操作，但对控制、

触觉和数据要求更⾼。

6.2 抓取稳定性

稳定抓取涉及接触点、法向⼒、摩擦锥、物体质量、质⼼、惯量、⼿指柔顺、是否滑移以及抓取后运

动加速度。⼯程上常⽤ form closure 和 force closure 理解抓取稳定性。

6.3 夹⽖结构与指尖材料

夹⽖设计要同时考虑开⼝、⼿指⻓度、传动⽅式、夹持⼒、指尖摩擦、⼿指刚度、壳体模态和传感布

置。指尖材料不是简单防滑件，⽽是接触模型的⼀部分，会影响摩擦、局部柔顺、磨损、污染和 stickslip。

6.4 触觉与主动试探

机器⼈可以通过轻触、轻压、微滑、夹持、抬起和⼩幅旋转估计摩擦、刚度、质量、质⼼和滑移⻛

险。这些参数服务控制，⽽不是单纯做材料分类。

6.5 本章⼯程输出

•

抓取对象库和抓取姿态集合。

•

夹持⼒、⾏程、速度和刚度指标。

•

指尖材料摩擦测试。

•

夹⽖静刚度和模态分析。

•

抓取成功率、滑移率和损伤率测试。

本章参考资料

•

Modern Robotics, robot manipulation foundations:

https://modernrobotics.northwestern.edu/

•

MuJoCo contact modeling documentation: https://mujoco.readthedocs.io/

•

Diffusion Policy manipulation tasks: https://diffusion-policy.cs.columbia.edu/

第七章 结构强度、刚度与模态

7.1 强度、刚度与模态的区别

机器⼈结构设计不能只满⾜“不坏”。强度决定是否失效，刚度决定末端误差和接触稳定性，模态决

定是否容易被控制、轨迹或外部激励放⼤振动。

7.2 载荷⼯况

机器⼈结构载荷随姿态和任务变化。应覆盖静态重⼒、动态加减速、急停、冲击、抓取接触、搬运偏

⼼负载、跌落和⼈为误操作。

7.3 拓扑优化与⽣成式设计

拓扑优化和⽣成式设计适合在载荷路径明确、设计空间明确、制造约束明确的结构中使⽤。它们能帮

助轻量化，但不能替代⼯程判断。机器⼈结构轻量化时最容易犯的错误是只追求质量降低，忽略⼀阶

模态、装配刚度、线缆路径、密封、防尘、维修和加⼯成本。

拓扑优化前必须定义：

•

设计空间和⾮设计空间。

•

静态、动态、冲击和夹持等载荷⼯况。

•

位移、应⼒、频率和质量约束。

•

制造⼯艺约束：机加⼯、铸造、钣⾦、3D 打印或复合材料。

•

装配界⾯、传感器安装、线缆路径和维护空间。

拓扑优化结果需要重新⼯程化建模，再做强度、刚度、模态、疲劳和⼯艺性校核。直接把优化云图当

作可制造零件是不可靠的。

7.4 DFM、DFA、DFT 与 DFS

机器⼈结构设计必须考虑 Design for X：

⽅法 含义 机器⼈中的例⼦

DFM 可制造性设计 壁厚、⼑具可达、热处理变形、表

⾯处理

DFA 可装配性设计 装配顺序、定位基准、公差链、螺

钉可达

DFT 可测试性设计 ⼒传感器安装位、测试孔、标定基

准、线束接⼝

DFS 可维修性设计 模块化更换、易损件访问、润滑和

密封维护

很多机器⼈样机问题不是理论设计错，⽽是装配、公差、线缆、维护和测试点缺失导致模型⽆法落

地。例如关节壳体 FEA 合格，但装配后轴承预紧过⼤、摩擦上升、温升变差；夹⽖结构强度⾜够，但

没有预留⼒传感器标定⼯装位置，后续难以闭环。

7.5 ⻛险分析：FMEA、FTA 与 HAZOP

结构、关节、传感器和控制系统应做系统性⻛险分析：

•

FMEA：从部件出发，分析失效模式、影响、严重度、发⽣率和检测⼿段。

•

FTA：从顶层事故出发，追溯可能原因组合。

•

HAZOP：从异常⼯况和操作偏差出发，分析危险和可操作性。

对服务机器⼈和协作机器⼈，⻛险分析必须覆盖⼈机接触、夹伤、跌倒、误识别、失电、通信丢失、

过温、过载、传感器遮挡和⽤⼾误操作。

7.6 CAE 到控制模型的转化

⾼价值输出不是应⼒云图，⽽是可⽤于机器⼈模型的参数：

•

末端柔顺矩阵。

•

关节安装刚度。

•

低阶模态频率和振型。

•

等效质量和阻尼。

•

局部接触刚度。

7.7 试验闭环

结构仿真应通过末端加载、敲击模态、加速度计、⾼速相机或激光位移计校核。夹⽖抖动、机械臂⾼

速晃动和底盘振动，都应把实测频率与 FEA 模态对⽐。

7.8 本章⼯程输出

•

结构载荷⼯况表。

•

静强度、刚度和模态报告。

•

拓扑优化或轻量化⽅案及⼆次⼯程化模型。

•

公差链和装配基准分析。

•

DFM/DFA/DFT/DFS 评审记录。

•

FMEA/FTA/HAZOP ⻛险清单。

•

结构参数回传：柔顺、模态、阻尼、局部接触刚度。

本章参考资料

•

Ansys Mechanical: https://www.ansys.com/products/structures/ansys-mechanical

•

nTop topology optimization: https://www.ntop.com/

•

ASME V&V 10: https://www.asme.org/codes-standards/find-codes-standards/v-v-10-guideverification-validation-computational-solid-mechanics

•

AIAG & VDA FMEA information: https://www.aiag.org/quality/automotive-core-tools/fmea

•

NIST robotics and intelligent systems: https://www.nist.gov/el/intelligent-systems-division73500

第⼋章 热、能源与连续⼯作能⼒

8.1 连续能⼒来⾃任务周期

机器⼈不是只完成⼀次动作的机构。连续⼯作能⼒由 RMS 扭矩、电机损耗、驱动器损耗、减速器摩

擦、电池、电源、散热结构和环境温度共同决定。

8.2 热路径

关节热路径通常为绕组、铁芯、定⼦、壳体、安装法兰到空⽓或机器⼈结构。密封、防尘、噪声和⼈

机接触温度都会限制散热设计。

8.3 能源与回馈

急停、下放重物、腿⾜落地、轮式刹⻋都可能产⽣回馈能量。⺟线电压、制动电阻、电池吸收能⼒和

驱动器保护策略必须⼀起设计。

8.4 本章⼯程输出

•

任务周期 RMS 扭矩和功率。

•

关节温升和降额曲线。

•

电池容量、峰值功率和续航估算。

•

热仿真与连续⼯作测试。

本章参考资料

•

Ansys Motor-CAD: https://www.ansys.com/products/electronics/ansys-motor-cad

•

Ansys Icepak: https://www.ansys.com/products/electronics/ansys-icepak

•

Ansys Mechanical thermal analysis: https://www.ansys.com/products/structures/ansysmechanical

第九章 传感器与外部感知硬件

9.1 传感器类型

外部感知包括 RGB 相机、双⽬、结构光、ToF、LiDAR、IMU、⻨克⻛和环境传感器；本体感知包括编

码器、电流、温度、⼒矩、六维⼒、触觉、IMU 和限位开关。

9.2 光学与深度感知失败模式

真实场景中的难点包括透明、反光、⿊⾊、低纹理、强光、弱光、频闪、遮挡、近距离盲区、深度孔

洞、外参漂移和时间同步误差。

9.3 传感器布局

传感器布局要考虑视野覆盖、遮挡、标定稳定性、线缆、散热、防尘、防⽔和维护。腕部相机近距离

精度⾼但容易被末端遮挡；头部相机视野⼤但⼿眼误差链更⻓。

9.4 光学仿真的价值

具备 Speos、光学设计或传感器背景的⼈，可以在视野、补光、杂散光、窗⼝材料、反光失效、ToF/

结构光误差和合成数据真实度⽅⾯形成优势。

本章参考资料

•

Ansys Speos: https://www.ansys.com/products/optics/ansys-speos

•

NVIDIA Isaac Sim sensors: https://docs.isaacsim.omniverse.nvidia.com/

•

ROS 2 tf2 documentation: https://docs.ros.org/

第三篇 模型、仿真与分析

第⼗章 模型基线：CAD、URDF、MJCF 与 USD

10.1 模型基线的含义

模型基线不是单个⽂件，⽽是⼀组互相⼀致的模型资产：CAD 描述真实⼏何和装配；URDF 描述机器

⼈树结构、关节、坐标系和惯性；MJCF 适合 MuJoCo 中的动⼒学、接触和执⾏器建模；USD 适合复

杂场景、材质、传感器和⼤型仿真资产组织。

URDF导出：

《urdf导出流程》

《带ID外观URDF到MJCF导出全流程》

《带闭环运动链的机构URDF导出流程⽂档》

10.2 参数⼀致性

必须校核坐标系、质量、质⼼、惯量、关节轴、限位、零点、碰撞体、视觉⽹格、执⾏器、传感器外

参和接触参数。⾃动导出模型只能作为初稿，不能作为可信模型。

10.3 参数字典

建议建⽴统⼀参数字典：

link: mass, center_of_mass, inertia, visual_mesh, collision_mesh

joint: axis, limit, damping, friction, stiffness, backlash

actuator: torque_limit, velocity_limit, control_mode, delay

sensor: pose, noise, latency, update_rate

contact: friction, stiffness, damping, solver_parameters

10.4 本章⼯程输出

•

CAD/URDF/MJCF/USD 模型基线。

•

坐标系和单位规范。

•

参数字典。

•

模型版本和真机回传记录。

本章参考资料

•

ROS 2 URDF tutorial: https://docs.ros.org/en/rolling/Tutorials/Intermediate/URDF/URDFMain.html

•

MuJoCo documentation: https://mujoco.readthedocs.io/

•

OpenUSD documentation: https://openusd.org/release/index.html

•

NVIDIA Isaac Sim documentation: https://docs.isaacsim.omniverse.nvidia.com/

第⼗⼀章 运动学、动⼒学与 TN 曲线

11.1 运动学

运动学包括正运动学、逆运动学、Jacobian、奇异性和可操作度。它回答机器⼈末端在哪⾥、如何达

到⽬标、某姿态下运动能⼒如何。

11.2 动⼒学

刚体动⼒学常写作：

M(q) qddot + C(q, qdot) qdot + g(q) + tau_friction = tau + J(q)^T F_contact

动⼒学模型⽤于逆动⼒学、重⼒补偿、控制前馈、关节选型、热分析和故障诊断。

11.3 TN 曲线

TN 曲线把任务轨迹映射到关节扭矩-转速平⾯。它应显⽰任务散点云、峰值限制、连续限制、热限

制、驱动器电压电流限制和减速器效率。若轨迹⻓期接近边界，应重新调整构型、关节、轨迹速度或

任务策略。

本章参考资料

•

Modern Robotics, Lynch and Park: https://modernrobotics.northwestern.edu/

•

Pinocchio documentation: https://docs.ros.org/en/rolling/p/pinocchio/

•

MuJoCo computation documentation: https://mujoco.readthedocs.io/

第⼗⼆章 ⾼保真 CAE 与机器⼈模型的连接

12.1 CAE 的⻆⾊

传统 CAE 深⼊分析局部物理现象：结构应⼒、刚度、模态、热、流体、光学、接触压⼒、材料⾮线

性。机器⼈仿真运⾏完整任务闭环：运动学、动⼒学、碰撞、规划、控制和策略训练。

12.2 从场模型到参数模型

⾼保真模型通常不能直接放进实时机器⼈仿真，但可以提取为：

•

刚度矩阵或柔顺矩阵。

•

等效弹簧阻尼。

•

模态频率、振型和阻尼。

•

热阻、热容和降额曲线。

•

摩擦、接触刚度和接触阻尼范围。

12.3 ⾼保真 CAE 校核矩阵

不同 CAE 类型回答不同⼯程问题。它们的输出应⾯向机器⼈模型，⽽不只是⾯向单次报告。

CAE 类型 需要回答的问题 应转化的机器⼈参数

静⼒学与刚度 最⼤负载下末端下垂多少，关节壳

体是否变形过⼤

末端柔顺、关节安装刚度、载荷-位

移关系

模态与振动 第⼀阶模态是多少，轨迹/控制是否

会激发共振

模态频率、振型、阻尼、轨迹加速

度边界

动⼒学与扭矩 静态、动态、冲击⼯况下各关节扭

矩是多少

扭矩表、功率谱、热负荷输⼊

热与流体 连续⼯作是否超温，⻛道/⾃然对流

是否⾜够

热阻、热容、温升、降额策略

光学与传感器 视场是否覆盖，反光/透明/⿊⾊物

体是否失败

深度误差、噪声、遮挡图、失败场

景库

局部接触 夹⽖是否打滑，接触刚度和压⼒是

否合理

摩擦范围、接触刚度、阻尼、滑移

阈值

这⼀矩阵把你已有的 Ansys、Workbench、流体、结构和光学背景直接连接到机器⼈仿真。⾼保真

CAE 的价值不只是证明零件能⽤，⽽是为机器⼈仿真提供可信边界。

12.4 动作仿真与 CAE 的接⼝

动作仿真需要从 CAE 获得边界条件：

•

轨迹加速度上限来⾃关节扭矩、热负荷和结构模态。

•

抓取⼒范围来⾃夹⽖结构刚度、指尖摩擦和局部接触压⼒。

•

传感器失败场景来⾃光学仿真和真实采集。

•

连续任务频率来⾃热仿真和电池功率。

•

接触仿真参数来⾃局部接触和材料测试。

因此 CAD/CAE 阶段不能只输出 PDF。更理想的输出是参数表、曲线、矩阵和可导⼊机器⼈仿真的配

置。

12.5 ROM 与数字孪⽣

降阶模型把⾼保真仿真压缩为可快速计算的模型，适合控制器前馈、在线监控、热预测和数字孪⽣。

ROM 的前提是明确适⽤范围，不能把局部训练范围外的预测直接⽤于安全决策。

本章参考资料

•

Ansys Mechanical: https://www.ansys.com/products/structures/ansys-mechanical

•

Ansys Motion: https://www.ansys.com/products/structures/ansys-motion

•

Ansys Twin Builder: https://www.ansys.com/products/digital-twin/ansys-twin-builder

•

ASME V&V 40: https://www.asme.org/codes-standards/find-codes-standards/v-v-40-

assessing-credibility-computational-modeling-verification-validation-application-medicaldevices

第⼗三章 多保真物理仿真

13.1 保真度分层

机器⼈仿真不应追求单⼀精度。概念阶段使⽤⼏何和运动学；⽅案阶段使⽤刚体动⼒学；详细设计使

⽤ CAE；控制阶段使⽤执⾏器、摩擦、延迟和接触模型；学习阶段使⽤⼤规模并⾏仿真和域随机化；

验证阶段使⽤ HIL 和真机。

13.2 粗糙但⼤量

“粗糙但⼤量”的仿真有效，前提是随机化覆盖了真正影响任务的变量，例如摩擦、质量、质⼼、指

尖刚度、传感器噪声、延迟、背隙和物体尺⼨。忽略关键误差源的⼤量仿真只会强化错误策略。

13.3 域随机化

域随机化⽤于让策略或感知模型在仿真不完全准确时仍能迁移到真机。可随机化变量包括：

•

机器⼈参数：质量、质⼼、惯量、关节摩擦、刚度、阻尼、背隙、延迟。

•

执⾏器参数：扭矩限制、电流噪声、控制带宽、饱和和死区。

•

接触参数：摩擦、接触刚度、阻尼、指尖材料、物体柔顺。

•

传感器参数：图像噪声、深度孔洞、相机内外参、时间延迟、丢帧。

•

场景参数：光照、纹理、物体位置、物体尺⼨、遮挡和背景。

随机化范围不能凭空拍脑袋。更可靠的⽅式是由⾼保真仿真、台架测试和真机数据共同给出参数上下

界。范围太窄会导致真机失败；范围太宽会让学习任务过难，策略变得保守或⽆法收敛。

13.4 ⾼保真到低保真

合理路线是：

⾼保真 CAE → 参数边界 → 中低保真机器⼈仿真 → ⼤规模任务运⾏ → 真机 gap → 模型回传

本章参考资料

•

MuJoCo documentation: https://mujoco.readthedocs.io/

•

NVIDIA Isaac Lab: https://isaac-sim.github.io/IsaacLab/

•

NVIDIA Isaac Sim: https://docs.isaacsim.omniverse.nvidia.com/

•

ASME V&V 40: https://www.asme.org/codes-standards/find-codes-standards/v-v-40-

assessing-credibility-computational-modeling-verification-validation-application-medicaldevices

第⼗四章 AI 增强仿真

14.1 AI 代理模型

AI 对传统仿真的价值主要是加速、补偿和扩展物理模型。代理模型可以学习⾼保真仿真的输⼊输出关

系，⽤于快速预测结构、热、流体或接触结果。

14.2 PINN、FNO 与 DeepONet

PINN 把微分⽅程残差、边界条件和数据同时放⼊损失函数；FNO 和 DeepONet 学习从函数到函数的

映射，适合参数化 PDE 近似和快速场预测。它们属于科学机器学习和物理机器学习⽅向。

14.3 残差学习与参数辨识

机器⼈中更常⻅的落地⽅式是残差学习：保留传统模型主体，⽤ AI 学习真机和仿真之间的误差，例如

摩擦、延迟、热漂移、接触不确定性和传感器误差。

14.4 与机器⼈开发结合的优先级

短期更⾼收益的⽅向不是从零研究 PINN 或神经算⼦基础算法，⽽是把已有⾼保真仿真和真机测试数据

转化为可⽤的快速模型：

•

⽤结构仿真样本训练刚度或模态 surrogate。

•

⽤热仿真样本训练关节温升和降额 surrogate。

•

⽤光学仿真样本训练传感器误差和失败概率模型。

•

⽤局部接触仿真样本训练摩擦、接触刚度和滑移阈值估计器。

•

⽤真机轨迹误差训练动⼒学残差模型。

这类模型的⼯程评价标准不是论⽂指标，⽽是能否减少仿真时间、扩⼤参数搜索范围、提⾼控制鲁棒

性或缩短真机调试周期。

本章参考资料

•

Raissi, Perdikaris, Karniadakis, Physics-informed neural networks:

https://doi.org/10.1016/j.jcp.2018.10.045

•

Fourier Neural Operator: https://arxiv.org/abs/2010.08895

•

DeepONet: https://www.nature.com/articles/s42256-021-00302-5

•

NVIDIA PhysicsNeMo: https://docs.nvidia.com/physicsnemo/

•

Ansys SimAI: https://www.ansys.com/products/ai/ansys-simai

第⼗五章 图形仿真、影视特效与机器⼈仿真

15.1 视觉可信与物理可信

影视特效追求视觉可信，机器⼈仿真追求控制和决策可⽤。⽔、烟、布料、颗粒和柔体仿真可以服务

视觉训练和场景覆盖，但不⼀定能直接⽤于精确控制。

15.2 合成数据

⾼质量渲染、材质变化、光照随机化、相机噪声和深度误差可以为视觉模型提供训练数据，尤其适合

透明、反光、遮挡和低纹理物体的失败场景扩充。

15.3 AI 三维资产

NeRF、3D Gaussian Splatting、⽂本到 3D、单图到 3D 和⼤型 3D 数据集可以加速场景和物体资产⽣

成。但机器⼈使⽤前必须清洗尺度、碰撞体、质量、惯量、材质参数和语义标签。

15.4 影视特效仿真的借鉴边界

影视特效中的粒⼦、布料、流体、软体和颗粒仿真可借鉴到机器⼈仿真中，尤其适合液体、粉末、布

料、柔性物体和⼤规模视觉合成数据。它们能提⾼场景丰富度和视觉真实感。

但机器⼈使⽤时必须区分两种⽬标：

•

若⽬标是训练视觉感知，视觉合理、材质多样和遮挡丰富通常就有价值。

•

若⽬标是训练⼒控或接触控制，必须关⼼质量、动量、接触⼒、摩擦、约束和时间⼀致性。

例如倒⽔任务中，影视级⽔流可以帮助训练杯⼝、⽔位和液体识别；但若要预测液体晃动对机械臂控

制的反作⽤⼒，就需要更严格的流固耦合或实验辨识。视觉仿真和控制仿真不能混为⼀谈。

15.5 可交互资产规范

AI ⽣成的 3D 资产进⼊机器⼈仿真前，应补⻬：

•

碰撞 mesh。

•

质量、质⼼、惯量。

•

摩擦、刚度、阻尼。

•

视觉材质与物理材质的区分。

•

语义标签。

•

可抓取区域。

•

传感器渲染参数。

•

失败场景标签。

本章参考资料

•

OpenUSD documentation: https://openusd.org/release/index.html

•

NVIDIA Isaac Sim Replicator: https://docs.isaacsim.omniverse.nvidia.com/

•

NeRF: https://www.matthewtancik.com/nerf

•

3D Gaussian Splatting: https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/

•

Objaverse: https://objaverse.allenai.org/

•

DreamFusion: https://dreamfusion3d.github.io/

第四篇 感知、规划、控制与智能

第⼗六章 外部世界模型与任务理解

16.1 世界模型

外部世界模型包括⼏何层、语义层和任务层。⼏何层描述点云、深度、障碍和物体位姿；语义层描述

物体类别、功能和⼈与物关系；任务层描述⽤⼾意图、步骤分解和技能选择。

16.2 LLM/VLM 的位置

LLM/VLM 适合任务理解、语义推理、技能选择和失败解释，不适合绕过安全约束直接输出关节指令。

低层执⾏仍应由规划器、控制器和安全监控器完成。

16.3 不确定性传播

物体位姿误差会影响抓取姿态，深度孔洞会影响碰撞体，语义误判会选错⼯具，时间延迟会导致动态

场景偏差。世界模型应保留置信度、误差范围和重试策略。

本章参考资料

•

NVIDIA Isaac Sim sensors: https://docs.isaacsim.omniverse.nvidia.com/

•

ROS 2 documentation: https://docs.ros.org/

•

OpenVLA: https://openvla.github.io/

第⼗七章 运动规划与轨迹⽣成

17.1 路径与轨迹

路径规划找到⽆碰撞路径，轨迹⽣成给路径分配时间并满⾜速度、加速度、jerk 和动⼒学约束。⼏何

可⾏不等于动态可执⾏。

17.2 规划场景

规划场景应包含机器⼈当前状态、⾃碰撞模型、环境障碍物、抓取物体后的组合碰撞模型、允许接触

区域和禁⽌接触区域。

17.3 轨迹质量

轨迹应避免过⼤的加速度和 jerk，因为它们会激发结构模态、造成关节超扭矩、抓取物体晃动或触发

⼒控不稳定。

本章参考资料

•

MoveIt 2 documentation: https://moveit.picknik.ai/main/index.html

•

OMPL documentation: https://ompl.kavrakilab.org/

•

Modern Robotics: https://modernrobotics.northwestern.edu/

第⼗⼋章 低层控制、⼒控与柔顺交互

18.1 控制模式

常⻅控制模式包括位置控制、速度控制、⼒矩控制、阻抗控制、导纳控制和操作空间控制。位置控制

适合⾃由空间运动，⼒矩和阻抗控制更适合接触交互。

18.2 阻抗与导纳

阻抗控制让机器⼈末端表现为虚拟质量-弹簧-阻尼系统；导纳控制则根据外⼒计算期望位移或速度，再

交给位置控制器执⾏。

18.3 本体状态估计

机器⼈⾃⾝状态不应只等于编码器读数。更完整的本体估计包括关节柔顺、负载下垂、摩擦、背隙、

延迟、外部扰动和传感器漂移。

18.4 稳定性⻛险

⼒传感器噪声、采样延迟、结构柔顺、关节背隙、接触刚度过⾼和摩擦 stick-slip 都可能导致接触振

荡。

本章参考资料

•

Hogan, Impedance Control: An Approach to Manipulation, 1985.

•

Khatib, Operational Space Formulation, 1987.

•

ROS 2 control documentation: https://control.ros.org/

•

Modern Robotics: https://modernrobotics.northwestern.edu/

第⼗九章 模仿学习、强化学习与 VLA

19.1 模仿学习

模仿学习从⼈类演⽰或专家轨迹中学习动作，适合抓取、插拔、双臂协作等难以⼿写规则的技能。数

据质量、动作接⼝和失败样本⾮常关键。

19.2 强化学习

强化学习适合在仿真中通过奖励优化策略，尤其适合接触丰富和控制复杂的任务。主要⻛险是奖励设

计、仿真 gap、安全探索和策略可解释性。

19.3 VLA

VLA 模型把视觉、语⾔和动作连接起来，适合提升任务泛化和指令理解能⼒。⼯程上更适合放在任务

级或技能级，⽽不是未经约束直接控制关节。

19.4 混合架构

实⽤系统通常是 LLM/VLM 做任务理解，规划器保证⼏何可⾏，控制器保证动态稳定，模仿/RL 策略处

理复杂局部交互，安全监控器检查⼒、速度、碰撞和温度。

本章参考资料

•

Diffusion Policy: https://diffusion-policy.cs.columbia.edu/

•

Mobile ALOHA: https://mobile-aloha.github.io/

•

Open X-Embodiment / RT-X: https://robotics-transformer-x.github.io/

•

OpenVLA: https://openvla.github.io/

•

NVIDIA Isaac Lab: https://isaac-sim.github.io/IsaacLab/

第五篇 数字孪⽣与验证闭环

第⼆⼗章 本体数字孪⽣

20.1 本体数字孪⽣的对象

本体数字孪⽣回答机器⼈⾃⼰真实处在什么状态，以及还能安全做什么。它覆盖⼏何状态、动⼒状

态、结构状态、热状态、健康状态和能⼒边界。

20.2 状态估计

本体状态来⾃编码器、电流、IMU、⼒矩估计、温度、外部标定和模型融合。编码器⻆度不是末端真实

位姿，必须考虑零点误差、连杆误差、关节柔顺、负载下垂、摩擦、背隙和延迟。

20.3 能⼒边界

数字孪⽣应能判断轨迹是否超扭矩、超速度、超温、碰撞或接近结构模态；也应判断当前模型和真机

之间 gap 是否变⼤。

本章参考资料

•

Ansys Twin Builder: https://www.ansys.com/products/digital-twin/ansys-twin-builder

•

ROS 2 control documentation: https://control.ros.org/

•

ASME V&V 40: https://www.asme.org/codes-standards/find-codes-standards/v-v-40-

assessing-credibility-computational-modeling-verification-validation-application-medicaldevices

第⼆⼗⼀章 交互数字孪⽣

21.1 交互模型

交互数字孪⽣回答机器⼈接触外部物体后发⽣了什么。它⾄少包括物体质量、质⼼、惯量、⼏何、可

抓取区域、摩擦、接触刚度、阻尼、材质和环境约束。

21.2 控制相关物性

材质感知在机器⼈中更重要的是控制相关物性估计：摩擦够不够、刚度软不软、夹持⼒会不会压坏、

拿起后会不会滑、加速移动会不会晃。

21.3 主动试探

轻触、轻压、微滑、夹持、抬起和⼩幅旋转可以估计接触位置、刚度、摩擦、质量、质⼼和惯量。交

互模型不必⼀开始达到材料实验室精度，但要⾜够⽀持控制决策。

本章参考资料

•

MuJoCo contact modeling documentation: https://mujoco.readthedocs.io/

•

Modern Robotics manipulation foundations: https://modernrobotics.northwestern.edu/

•

Diffusion Policy manipulation tasks: https://diffusion-policy.cs.columbia.edu/

第⼆⼗⼆章 HIL、台架与真机测试

22.1 分层测试

机器⼈验证包括单元测试、台架测试、HIL、⼦系统测试和整机测试。HIL 把真实控制硬件、通信延

迟、驱动器接⼝和安全逻辑接⼊仿真闭环，提前暴露时序和接⼝问题。

22.2 台架测试

台架测试应服务模型回传，⽽不是只判断合格/不合格。应测试关节摩擦、背隙、刚度、热、带宽、夹

⽖夹持⼒、末端模态、传感器噪声和延迟。

22.3 数据记录

测试数据应记录测试对象、⼯况、模型版本、控制器版本、传感器配置、输⼊命令、状态数据、外部

测量、失败标签和模型更新项。

22.4 ⻔禁评审

⻔禁评审不是形式，⽽是为了防⽌未闭环的模型进⼊下⼀阶段。⼀个基本⻔禁应检查：

•

交付物是否⻬备。

•

指标是否达到需求。

•

仿真与测试是否对⻬。

•

失败案例是否归档。

•

⻛险清单是否更新。

•

模型参数是否回传。

•

下⼀阶段使⽤的模型版本是否明确。

例如关节模组⻔禁不能只看电机能转，还要看扭矩、速度、温升、背隙、刚度、带宽、噪声、寿命和

成本是否达到 KPI；动作仿真⻔禁不能只看动画能跑，还要看关节扭矩、碰撞、接触⼒和轨迹平滑性。

本章参考资料

•

NASA Systems Engineering Handbook: https://www.nasa.gov/reference/systemsengineering-handbook/

•

NIST robotics and intelligent systems: https://www.nist.gov/el/intelligent-systems-division73500

•

ISO 9283: https://www.iso.org/standard/22244.html

第⼆⼗三章 Sim-Real Gap 与模型回传

23.1 Gap 来源

Sim-Real Gap 来⾃质量、质⼼、惯量、摩擦、背隙、柔顺、延迟、碰撞体、接触参数、传感器噪声、

材质、光照、装配误差和线缆护罩等⾮理想因素。

23.2 两类策略

减⼩ gap 有两类策略：提⾼模型准确性和提⾼策略鲁棒性。前者依赖参数辨识、标定、CAE 回传和接

触实验；后者依赖域随机化、扰动训练、保守约束和在线重规划。

23.3 回传机制

不要泛泛地说仿真不准，⽽要拆成运动学 gap、动⼒学 gap、结构 gap、接触 gap、传感 gap 和策略

gap。每⼀次模型修正都应记录来源、⼯况、参数和影响任务。

本章参考资料

•

NVIDIA Isaac Lab domain randomization: https://isaac-sim.github.io/IsaacLab/

•

MuJoCo documentation: https://mujoco.readthedocs.io/

•

ASME V&V 40: https://www.asme.org/codes-standards/find-codes-standards/v-v-40-

assessing-credibility-computational-modeling-verification-validation-application-medicaldevices

•

Open X-Embodiment / RT-X: https://robotics-transformer-x.github.io/

第六篇 ⼯程样板问题

第⼆⼗四章 夹⽖抖动问题

24.1 问题定义

夹⽖抓取物体时抖动，是⼀个很适合作为样板的机器⼈开发问题。它⾜够⼩，可以在有限时间内闭

环；⼜⾜够复杂，覆盖结构、控制、动⼒学、接触、传感和仿真。

24.2 可能原因

可能原因包括夹⽖刚度不⾜、第⼀阶模态低、控制增益过⾼、阻尼不⾜、位置环过硬、减速器背隙、

电流估⼒噪声、滤波相位滞后、接触 stick-slip、指尖材料不稳定、物体偏⼼、轨迹 jerk 过⼤和通信延

迟。

24.3 测试数据

应同步采集位置、速度、电流、夹持⼒、控制指令、⾼速视频、物体类型、指尖材料和环境条件。对

位移、电流和⼒信号做 FFT，识别主振动频率。

24.4 结构与接触分析

⽤ FEA 计算夹⽖⼿指、壳体、传动件低阶模态，并与实测频率对⽐。对不同指尖材料、物体材质和夹

持⼒做滑移阈值测试，识别 stick-slip。

24.5 控制分析

检查位置环、速度环、电流环增益、滤波、延迟、限幅、轨迹 jerk 和接触后状态机。必要时⽐较位置

控制、⼒控、阻抗控制和轨迹平滑⽅案。

24.6 样板闭环

真机采集 → 频域诊断 → 模态分析 → 接触测试 → 控制检查 → 简化仿真 → ⽅案验证 → 模型回传

输出应包括抖动测试数据集、夹⽖静刚度和模态报告、指尖材料摩擦测试、简化 MJCF/URDF 模型、

控制参数对⽐实验、抖动幅值、主频、抓取成功率和滑移率。

本章参考资料

•

Ansys Mechanical modal analysis: https://www.ansys.com/products/structures/ansysmechanical

•

MuJoCo contact modeling: https://mujoco.readthedocs.io/

•

Hogan, Impedance Control: An Approach to Manipulation, 1985.

•

NIST robotics and intelligent systems: https://www.nist.gov/el/intelligent-systems-division73500

附录 A ⼯具链地图

⽅向 典型⼯具

CAD 与装配 SolidWorks / Creo / NX / Onshape

静⼒学、模态、热 Ansys Mechanical / Abaqus / Nastran

流体与热管理 Ansys Fluent / Icepak / CFX

光学与传感器 Ansys Speos / Zemax / Isaac Sim sensors

多体动⼒学 MuJoCo / Ansys Motion / Simscape Multibody /

Adams

机器⼈模型 URDF / MJCF / USD / SDF

运动学与动⼒学库 Pinocchio / RBDL / Drake / Modern Robotics

运动规划 MoveIt 2 / OMPL / TrajOpt / Tesseract

控制框架 ROS 2 control / ⾃研实时控制器

机器⼈仿真 MuJoCo / Isaac Sim / Gazebo / PyBullet

强化学习与模仿学习 Isaac Lab / robosuite / LeRobot / RLlib

合成数据 Isaac Sim Replicator / Blender / Omniverse

AI 代理模型 Ansys SimAI / NVIDIA PhysicsNeMo / ⾃研 surrogate

数字孪⽣ Ansys Twin Builder / ⾃研模型基线 + 数据回传

HIL 与测试 Speedgoat / dSPACE / NI / DAQ / EtherCAT ⼯具

数据与版本 Git / Git-LFS / DVC / PLM / 数据库

⼯具选择应看输⼊、输出和边界。Ansys 的强项是⾼保真⼯程物理和局部问题；MuJoCo 的强项是快

速接触动⼒学和控制研究；Isaac Sim 的强项是⾼质量场景、传感器、合成数据和 GPU ⽣态；

MoveIt/OMPL 的强项是规划；ROS 2 control 的强项是把控制器和硬件接⼝标准化。真正有价值的是

把这些⼯具通过统⼀模型参数、数据格式和测试闭环连接起来。

附录 B 从需求到交付的技术路线

机器⼈开发可以按以下路线组织：

需求与场景

→ 构型与⾃由度设计

→ 关键零部件与关节模组选型

→ CAD / URDF / MJCF / USD 模型基线

→ 结构、模态、热、流体、光学、接触等⾼保真 CAE 校核

→ 运动学、动⼒学、路径规划、控制和动作仿真

→ AI 代理模型、域随机化、合成数据和策略训练

→ HIL / 台架 / 真机测试

→ Sim-Real Gap 分析

→ 数字孪⽣模型回传

→ 交付与下⼀代迭代

每个阶段都应形成“输⼊、分析、输出、⻔禁、回传”的闭环：

阶段 输⼊ 输出 典型⻔禁

需求 ⽤⼾场景、任务对象、成

本安全约束

PRD、KPI、⽤例、⻛险

清单

指标可量化、可测试

构型 任务空间、物体、场景 构型⽅案、DoF、⼯作空

间

典型任务可达、可避障

关节与部件 轨迹、载荷谱、成本 电机、减速器、夹⽖、传

感器⽅案

扭矩、热、寿命、成本闭

环

模型基线 CAD、BOM、部件参数 坐标、质量、惯量校核

URDF/MJCF/USD、参数

字典

CAE 校核 载荷、边界、材料、⼯况 刚度、模态、热、接触、

光学参数

与实验或保守边界⼀致

动作仿真 模型基线、控制器、场景 路径、轨迹、动作仿真报

告

⽆碰撞、⽆超限、可控制

AI 增强 仿真样本、真实数据 surrogate、随机化范

围、策略

不只看仿真分数，看真机

gap

HIL/真机 控制器、台架、样机 实测数据、gap 报告 关键参数回传模型

交付 验证报告、BOM、模型版

本

验收结果、数字孪⽣模型 数据、模型、测试版本⼀

致

这条路线的核⼼不是阶段顺序，⽽是参数流动：需求给出指标，仿真给出预测，测试给出真实数据，

数字孪⽣把真实数据回传到下⼀轮设计。