机器人入行指南
知识地图/工具与仿真/机器人数学与优化库

工具与仿真 · G7

机器人数学与优化库

工程化 硬核 工具 约 35 小时

机器人圈不重复造轮子:运动学用 Pinocchio、优化用 CasADi、实时 MPC 用 acados、WBC 用 QP 求解器。会用这些库,等于借用别人十年的实现。

要解什么先分类,再选库运动学 / 动力学PinocchioMPC / 轨迹优化CasADi → acadosWBC 的 QPOSQP / ProxQP验证与教学Drake
选库的标准不是「流行」,是「能不能在控制周期内解完」

课程正文 · 人话版

机器人数学库(Eigen/Pinocchio/CasADi)是算法与代码之间的翻译层。理解它们的取舍——稠密还是稀疏、解析导数还是自动微分——决定你写的算法是 1ms 还是 100ms。

病态问题:条件数决定一切

看动图拖 κ(长短轴比):椭圆越扁(病态越重),梯度下降爬得越慢,L-BFGS 依然飞快。ICP 配准、BA 优化、逆运动学解算——底层全是这个对比。

工程启示:优化慢先算条件数(雅可比奇异值),病态就预处理(归一化/正则化)或换二阶方法(LM/GN)。硬调步长是南辕北辙。

动图 · 拖一拖,亲眼看

三件套的分工

Eigen:矩阵运算底座(稠密为主),表达式模板让运算零临时对象——所有其他库的地基。Pinocchio:刚体动力学(M/C/g、雅可比、RNEA)解析实现,1kHz WBC 的算力来源。CasADi:自动微分+非线性优化(IPOPT 前端),MPC/轨迹优化的主力。

选择逻辑:算动力学用 Pinocchio,构造优化问题用 CasADi,它们底下都站 Eigen。三者拼起来就是现代机器人算法栈。

解析导数 vs 自动微分

解析导数(手推雅可比):最快、可审查,但推导费时易错。自动微分(CasADi/autodiff):写一遍前向,导数自动出,速度略慢但省命。工程默认:热路径用解析(Pinocchio 已给你),原型用自动微分。

稀疏性是隐藏的大腿:BA 的雅可比稀疏率>99%,稀疏求解(SparseLU/Ceres)比稠密快百倍。数据量大了以后,「会不会用稀疏求解器」就是会不会做 SLAM 后端的分界线。

学到什么程度

会用 Eigen 写出无临时对象的表达式;会用 Pinocchio 算 M/C/g 和雅可比;会用 CasADi 定义一个 QP/NLP 并解出。这三件做到,F1 仿真里的动力学你都能自己算。

三道题,测你真懂了

1. 优化迭代很慢,先该检查?

  • A学习率
  • BCPU 温度
  • C问题的条件数(雅可比奇异值)
看答案

C。病态问题是一切慢的根源。预处理或换二阶方法,别死调步长。

2. 1kHz 全身控制(WBC)的动力学计算靠?

  • APinocchio 的解析刚体动力学
  • B数值差分
  • CGPU
看答案

A。RNEA/ABA 解析实现微秒级。数值差分慢两个数量级且噪。

3. BA 大规模优化必须用?

  • A稠密 LU
  • B稀疏求解器(雅可比稀疏率极高)
  • C梯度下降
看答案

B。BA 雅可比稀疏率>99%。稀疏 vs 稠密差百倍——这是 SLAM 后端的入门门槛。

在本站继续深入

正文讲完。下面是这个领域的完整大纲、深度要求与常见错误——查漏和面试准备时用。

要学什么

这个领域的主流软件

软件 / 库是什么什么时候用优先级
Eigen / SophusC++ 线性代数与李群所有 C++ 机器人代码必装
Pinocchio刚体动力学与运动学,速度快、接口现代取代自己写的运动学必装
CasADi + IPOPT符号优化与非线性求解MPC、轨迹优化原型必装
acados生成 C 代码的实时 MPC 求解器要把 MPC 压进 1–5ms进阶
OCS2 / Crocoddyl腿足与全身控制的 MPC/WBC 实现四足、人形进阶
OSQP / ProxQP / qpOASESQP 求解器,各有速度与稳定性取舍WBC 里 1kHz 解 QP进阶
Drake带接触的动力学与优化工具箱验证算法、教学备选

四条路线需要多深

算法精通
系统软件用过
嵌入式电控知道
机械结构知道

「精通」= 能从零推导 / 能手写实现 / 能判断别人的方案对不对;「用过」= 能调起来、能改参数;「知道」= 能听懂、能提问。

怎么算学会了

用 Pinocchio 算一台 6 轴臂的逆动力学,与 Gazebo 里同轨迹的实际力矩对上(误差 <10%);用 CasADi 写一个 20 步 horizon 的 MPC,单次求解 <2ms。

常见错误

前置