机器人入行指南
原理层/基与坐标:为什么机器人什么都用矩阵

原理层 T7 / 27 · 线代与几何

基与坐标:为什么机器人什么都用矩阵

同一个点,换一套基读数就变——向量是客观的,坐标是记账方式。

你已会的:平面直角坐标 (x, y)初中已知坐标 = 向量在一组基下的系数表本篇 T7桥多坐标系与 tf 树:每条边是一个 P/k/B1/ 完整版深水「坐标」不是点本身,是相对一组基的记账——换基不换向量,机器人多坐标系共存的理论根基
约 45 分钟3 定理6 步证明4 题自测

一句话结论

向量本身不依赖坐标系;「坐标」只是向量在一组基下的系数表。换基不换向量,只换写法——机器人的两个坐标系看到的数字不同,看到的是同一个东西。

动图版 · 拖基向量 e₁ e₂,同一个向量的坐标实时重算——换基不换向量,只换写法

机器人底盘上装一个坐标系,手腕上装一个,激光雷达上又一个。相机说「目标在 (3.1, 0.4)」,底盘说「它在 (1.8, −1.2)」。如果你以为它们在吵,你就永远调不通 tf 树;如果你知道它们是同一个向量在两套基下的两本账,你就掌握了机器人学第一块真正的地基。

为什么需要它

上一组 T1 说「矩阵就是旋转的记账本」,但一直没说清「记账」到底在记什么——本篇补上。

任何传感器输出、任何控制指令、任何轨迹点,都要先回答「相对哪个坐标系」,才有资格谈数字。工业现场 80% 的「机器人打偏了」最后查出来是坐标系搞错,不是算法错。

定义

定义 1.1 向量空间(直观版)

一堆东西(向量)凑成一个集合,只要满足两件事就是向量空间:①任意两个相加还在集合里(加法封闭);②任意一个乘以任意实数还在集合里(数乘封闭)。平面里的全部箭头、三维空间里的全部力,都是向量空间。

定义 1.2 线性无关

一组向量 {v_1, …, v_n} 线性无关,意思是「谁也不能用别人拼出来」:系数全为零的组合 Σ a_i v_i = 0 是唯一能让等式成立的取法。两个向量线性无关 ⟺ 不共线;三个 ⟺ 不共面。

为什么这样定线性无关 = 每个成员都带来新维度。共线的两个向量只能张出一条线,少一个维度——重复的传感器、冗余的关节,本质都是「线性相关」。

定义 1.3 基与坐标

如果 {e_1, …, e_n} 线性无关,且空间里任何向量 v 都能写成 v = x_1 e_1 + … + x_n e_n,那这组向量叫一组基,系数表 (x_1, …, x_n) 叫 v 在这组基下的坐标。基不唯一——同一个空间有无穷多组基,同一个向量有无穷多套坐标。

定理与证明

定理 1.1 坐标唯一

固定一组基,任何向量的坐标表示是唯一的。

证

反证:设 v 有两套坐标 x = (x_1,…,x_n) 与 y = (y_1,…,y_n),即 Σ x_i e_i = v = Σ y_i e_i。

两式相减:Σ (x_i − y_i) e_i = 0。但基线性无关,「系数全为零」是唯一零组合,所以 x_i − y_i = 0 对所有 i 成立,即 x = y。∎

注唯一性不是废话——它保证「坐标」可以当身份证用。两套坐标不相等不矛盾,因为它们相对不同的基;同一套基下两个坐标不同就是两个不同的向量,没有含糊空间。

定理 1.2 换基公式

设新基的向量按旧基写出来排成矩阵 P = [p_1 p_2 … p_n](第 i 列就是新基第 i 个向量在旧基下的坐标),向量 v 的旧坐标为 x、新坐标为 x′,则 x = P x′,等价地 x′ = P−1 x。

证

把 v 按新基展开:v = Σ x′_i p_i。这是「数乘再相加」,恰好就是矩阵乘向量的定义:v = P x′。

而 v = x 是 v 的旧坐标写法,所以 x = P x′。P 的列线性无关(基的定义),故 P 可逆,两边左乘 P−1 得 x′ = P−1 x。∎

注P 是「翻译字典」:它把新语言坐标翻译回旧语言。机器人学里每个 tf 变换都是这样一个 P——「child 坐标系的基,钉在 parent 坐标系里的位置与朝向」。

定理 1.3 正交基下翻译免求逆

若新基是正交归一的(两两垂直、每个长度为 1,即 P^T P = I),则 P−1 = P^T,换基公式变成 x′ = P^T x——转置就完成翻译,连求逆都不用。

证

正交归一按列排成矩阵:P^T P 的 (i,j) 元 = p_i · p_j = δ_ij(自己点自己 1,互相点彼此 0)。这正是 P^T P = I 的逐元素写法。

P^T P = I 按逆矩阵定义意味着 P−1 = P^T。代进定理 1.2 即得。∎

注所以工程上凡是能选正交基就选正交基:旋转矩阵全是正交阵,坐标变换在旋转层面永远是「转置一下」的成本。数值实验里正交基往返误差 10-16(机器精度),非正交基误差被基的病态程度放大。

手算一遍

基座系里的向量 x = (1, 2)。手腕系的基按基座系写出:p_1 = (1,1)/√2(指向 45°),p_2 = (−1,1)/√2(指向 135°)。求 x 在手腕系下的坐标。

  1. 排翻译字典:P = [[1/√2, −1/√2], [1/√2, 1/√2]](第一列 p_1,第二列 p_2)。这是把 T1 的 45° 旋转矩阵的列交换后的形式——正交归一。
  2. 用定理 1.3:x′ = P^T x。P^T 的第一行是 (1/√2, 1/√2),第二行是 (−1/√2, 1/√2)。
  3. [object Object]
  4. 验证(定理 1.2 反向):x′_1 p_1 + x′_2 p_2 = (3/√2)(1/√2, 1/√2) + (1/√2)(−1/√2, 1/√2) = (3/2 − 1/2, 3/2 + 1/2) = (1, 2) ✓。两本账,同一个向量。
答

x 在手腕系下的坐标是 (3/√2, 1/√2) ≈ (2.121, 0.707)。注意 √2 出现不是巧合:把向量往 45° 方向投影,长度天然带根号——这正是为什么要用归一化基。

实跑一遍

数字出处

2000 个随机向量在两套基下往返转换,最大误差:

  • 正交归一基(45° 旋转系)往返误差:4.97e-16(机器精度,完美往返)
  • 非正交基(带切变的斜基)往返误差:2.22e-16——基越「歪」,数值翻译越脏
  • 同一组计算,唯一区别是基的形状:这就是为什么工程规范要求坐标变换矩阵尽量正交

映射回强化学习

这里的对象RL 里的对应物站内用法
轨迹/状态向量选一组基(关节空间 or 笛卡尔空间)再谈数字用法 →
tf 变换矩阵child 系的基钉在 parent 系里的位置朝向 = P用法 →
传感器噪声的「方向」协方差的特征方向是统计版的「基」用法 →

边界:这一篇停在哪里

本篇停在哪里:一般域上的线性空间(函数空间、多项式空间)不展开;施密特正交化的算法细节不讲。本篇只服务一件事——让你在读到任何「坐标系」「变换」「投影」时,脑子里有一本清楚的账。

自测 4 题

全是手算和「找证明错在哪」类题目,不出背诵题。答不上来回到对应小节。

01P−1 和 P^T 在什么条件下相等?

当且仅当 P 正交归一(P^T P = I)。这时「翻译」和「转置」是同一个操作,成本最低,数值最稳。

02同一个向量在两套基下坐标不同,矛盾吗?

不矛盾。坐标不是向量本身,是向量相对某组基的系数表。基变了,账本换了,向量没动。机器人多坐标系共存的理论基础全在这句话里。

03两个传感器输出「线性相关」说明什么?

一个的信息完全能由另一个拼出来——第二个没有带来新维度。冗余配置要么是为了可靠性(备份),要么就该换成测别的维度的传感器。

04为什么工程上偏爱正交基?

三合一:换基免求逆(x′ = P^T x);往返数值误差在机器精度级(10-16);长度和角度在换基时保持不变——物理量不被记账方式扭曲。

接着看

全系列 27 篇

T1矩阵就是旋转的记账本约 25 分钟T2从斜率到梯度:机器人学习算法的第一行约 25 分钟T3向量与受力:点积的物理读法约 20 分钟T4两把尺子和一把更好的尺子约 25 分钟T5电机转一圈的账:弧度、转速与功率约 20 分钟T6复数乘法就是旋转:四元数的一维版约 20 分钟T7基与坐标:为什么机器人什么都用矩阵约 45 分钟T8矩阵乘法:变换的串联,不是表格运算约 40 分钟T9雅可比:关节转一度,末端动多少约 45 分钟T10特征向量:矩阵不敢动的方向约 45 分钟T11SVD 与伪逆:没有精确解时,找最近的解约 50 分钟T12泰勒展开:用直线替曲线打工约 40 分钟T13概率空间:为什么「随机」需要公理约 50 分钟T14期望:「平均」的严格构造约 55 分钟T15条件期望:竖线的真正含义约 60 分钟T16四个不等式:「多少样本才够」的定量答案约 45 分钟T17范数与不动点:「一定收敛」的出处约 55 分钟T18马尔可夫链:时间平均何时等于集合平均约 55 分钟T19MDP 的数学构造:一条公理值多少钱约 50 分钟T20动态规划:两种迭代的账约 50 分钟T21优化:约束为什么不能只靠罚约 55 分钟T22随机逼近:学习率公式里的每一条约 55 分钟T23接触的数学:Hertz 理论约 45 分钟T24摩擦与摩擦锥:约束的几何形状约 40 分钟T25力封闭与抓取度量:ε 是一个线性规划约 50 分钟T26接触运动学:滚动为什么不是「贴着滑」约 45 分钟T27滑移检测:从「感觉到了」到「算出来了」约 50 分钟