python机器人编程——用pytorch实现六轴机械臂的正向和逆向数值解算，及python算法解析

见贤思齐

目录一、前言二、实现原理2.1正向建模2.2张量化2.3绘制3D动画及操作UI三、结论四、python源码PS.扩展阅读ps1.六自由度机器人相关文章资源ps2.四轴机器相关文章资源ps3.移动小车相关文章资源一、前言前面对六轴（或多轴）机械臂进行了一些研究，特别是利用几何进行简化，实现逆解，来完成比较简单的搬用任务。然而，如果需要比较精确的操作任务，可能需要更加复杂的机械臂解算。其中比较复杂的是数值解算，这种解算往往涉及到比较复杂的机器人运动等原理知识，比较难以上手。但是，python的生态挺全面，已经有很多牛人实现了数值解法，但是去看他们的代码，还是觉得费劲。此外，随着深度神经网络的兴起，很多是用建立深度学习神经网络，去利用机械臂输入输出的大数据，训练机械臂的控制模型，这个上手也比较慢。现在，我们提供一个相对简单的方法，来实现N轴机械臂的数值逆解，我们使用了一个优秀的人工智能库pytorch，只要在建立正向模型的基础上，几行代码就可以实现机械臂的数值逆解，可以供初学者学习之用。二、实现原理2.1正向建模数值解算本质就是解非线性方程组。前提是我们需要把这个方程组給先建立起来。这里需要用到一些DH建模的知识。此部分已经在博文《N轴机械臂的MDH正向建模，及python算法》做了非常细致的讲解，本文不再赘述。通过运算，我们可以把下图的机械臂建立一个模型，所谓正向模型即f(t1,t2,t3,t4,t5,t6)，就是输入6个电机的旋转角度，可以得出末端的位姿，这里可以用位姿矩阵表示，也可以用四元素等其它表示。我们根据机械臂实际的尺寸，推导出的正向模型，非常复杂，如下：这个明显是有一堆sin，cos组合的非线性矩阵。如果人去推导，估计得推导10年。2.2张量化金典得非线性方程组解法，可以用迭代法，牛顿，雅可比等。对于数学知识有限的初学者，我们没有那么多时间。我们使用了简单粗暴的玩法，那就是交给pytorch的反向传播，来让它帮我们寻找正确的6个角求解调整方向，并逐步逼近“真相”。#优化器optimizer=torch.optim.Adam([t1,t2,t3,t4,t5,t6],lr=lr)#进行优化forepochinrange(interval)ptimizer.zero_grad()loss=loss_function(t1,t2,t3,t4,t5,t6)loss.backward()optimizer.step()ifepoch%100==0:print(f'Epoch{epoch},Loss{loss.item()}')ifloss.item()