作者：呂朝陽 來源：知乎
對于工科領(lǐng)域來說，脫離實踐的學(xué)習(xí)都是膚淺的，對于控制這種強調(diào)經(jīng)驗的技術(shù)更是如此。如果去問一個程序員怎么學(xué)習(xí)一塊技術(shù)，他必然讓你去多編程。機器人領(lǐng)域也是。如果想把基本功打扎實，那么實踐更是必不可少了。
對于普通學(xué)生入門來說 一款合適的機器人平臺 + 入門級的控制算法進行試驗。同時深入地學(xué)習(xí)相應(yīng)地理論知識。
對于一個有控制基礎(chǔ)，需要現(xiàn)學(xué)現(xiàn)用的工作者來說，啃一本諸如《現(xiàn)代控制工程》的書籍，在工作者演練，下面的平臺內(nèi)容直接略過。
關(guān)于平臺的選擇和相應(yīng)的學(xué)習(xí)教程，我放在最后，防止大圖分散了重點。先結(jié)合機器人來說一下控制。對于設(shè)計任何一個控制系統(tǒng)來說，需要了解自己的輸入、輸出、控制元件，和算法。在一個簡易的機器人系統(tǒng)里，分別對應(yīng)的原件是：
輸入 --- 傳感器 （聲吶，紅外，攝像頭，陀螺儀，加速度計，羅盤）
控制元件 --- 電機
控制算法 --- 控制板 （小到單片機，大到微機）
輸出 --- 你的控制目標(biāo) （比如機器人的路徑跟蹤）
對這四方面都有了解之后，才能基本對機器人的控制有一個較為感性的認(rèn)識。這是入門的基礎(chǔ)。如果你對輸入和輸出做一個測量，比如用電機將某個輪子的轉(zhuǎn)速從10加速到100，把這個測量勾畫出來，那么這一個響應(yīng)曲線。如何將電機準(zhǔn)確快速地從10加速到100，這就需要一個簡易的反饋控制器。
上面所說的各個傳感器元件，都有廉價版可以購買學(xué)習(xí)，但隨之引入的問題就是他們不精確，比如有噪聲。消除這個噪聲，你就需要在你的控制系統(tǒng)中引入更多的控制單元來消除這個噪聲，比如加入濾波單元。上面說這么多，只是想表達，理論和算法都是有應(yīng)用背景的，但同時，學(xué)習(xí)一些暫時無法應(yīng)用的算法也并不助于入門，甚至可能走偏門，覺得越復(fù)雜越好。所有的工程應(yīng)用者都會說某某算法非常好，但是經(jīng)典還是PID。倘若不親手設(shè)計一個PID系統(tǒng)，恐怕真的領(lǐng)略不到它的魅力。我大學(xué)本科的控制課程包含了自動控制理論和現(xiàn)代控制理論，但是直到我設(shè)計一個四旋翼無人機的時候，才真正建立了我自己對機器人控制的理解。《現(xiàn)代控制工程》是一本非常經(jīng)典的專業(yè)書籍，需要理論知識，再進行詳細的學(xué)習(xí)。我的建議是先玩，玩到需要時，認(rèn)真學(xué)習(xí)這部分理論。
-----------------------------------------------------------------------------------------------------
推薦一些機器人平臺。核心都涉及到運動控制。
基于arduino的機器人平臺是最大眾的平臺了，這是一個開源社區(qū)，很多關(guān)于機器人的簡易設(shè)計和控制算法實現(xiàn)都能在google得到。淘寶arduino機器人，包括arduino控制板和各類簡易傳感器，幾百塊之內(nèi)錢都能得到。
MultiWii是一個基于arduino的開源飛控平臺，所有c代碼都可得，不多于一兩萬行。如果把這些都研究透了，相比已經(jīng)是專業(yè)水平了。
二
作者：賀磊 來源：知乎
首先，應(yīng)當(dāng)了解到：機器人控制（Robot Control）的目的是通過人工引入控制改善原有系統(tǒng)的特性，使新的系統(tǒng)：1）跟蹤性能（Tracking Performance）更好，2）抗擾動性（Diturbance Rejection）更強，3）穩(wěn)健性（Robustness）更優(yōu)，e.t.c.
機器人控制器大致可以分為硬件和算法兩個大方向：
機器人控制硬件
基本控制結(jié)構(gòu)：當(dāng)年，N. Wiener對神經(jīng)科學(xué)很感興趣，發(fā)現(xiàn)其實機器的反饋控制和人的運動控制機理是相似的。控制工程中的：傳感器（各種位置、速度、力傳感器等）、控制器（各種處理器以及控制算法）和驅(qū)動器（電機、液壓、氣動、記憶合金等）三部分，分別對應(yīng)于人的感受器（receptor）（例如：視覺、聽覺、味覺、嗅覺、觸覺等外感受器）、神經(jīng)系統(tǒng)（中樞和周圍神經(jīng)系統(tǒng)）和效應(yīng)器（effector）（肌肉、骨骼），只不過人的結(jié)構(gòu)更加復(fù)雜。
層次控制體系：了解了控制的基本結(jié)構(gòu)，剩下的事情就是設(shè)計控制系統(tǒng)。如今，大家設(shè)計控制系統(tǒng)的方法還是比較統(tǒng)一的，基本都可以歸結(jié)為5層的層次體系：1）主機（Host），2）運動控制器（Motion Controller），3）伺服驅(qū)動器（Servo Driver），4）電機（Motor），5）機構(gòu)（Mechanism ）。
主機：主要完成人機交互（操作員控制或者調(diào)試機器），高級運算（機器人運動規(guī)劃等）。由于需要高等運算功能，這部分算法通常是基于操作系統(tǒng)的，硬件載體用通用計算機即可。
運動控制器：主要用于改善機器人動力學(xué)（Robot Dynamics）。機器人的機械本身并不具備跟蹤軌跡的能力，需要外加控制來改善。由于需要大量的實時運算，這部分通常是基于實時操作系統(tǒng)，比如QNX等，硬件載體可以用ARM或其他。比如，工業(yè)界的工業(yè)機器人主要使用運動反饋（Motion Feedback），也即將驅(qū)動器配置為位置控制或者速度控制模式，此時運動控制器的主要用于補償傳動系統(tǒng)非線性性，例如：由于齒輪間隙、微小彈性變形導(dǎo)致的末端偏移。
伺服驅(qū)動器：主要用于改善電機動力學(xué)（Motor Dynamics）。由于電機本身物理特性并不具備良好的位置、速度和力矩跟蹤能力，因此需要依靠控制來改善。這部分需要更高的實時性能，因為電機的響應(yīng)速度快，需要us級定時，所以可以使用高性能DSP。比如，直流有刷電機中轉(zhuǎn)子速度正比于反向電動勢、力矩正比于電樞電流，而沒有物理量能夠直接控制位置，此時需要外加位置控制器。
電機：充當(dāng)執(zhí)行器，將電信號轉(zhuǎn)化為機械運動。
機械本體：被控制的終極對象。
算法的編寫：鑒于如今幾乎沒人再用Op-Amp搭建模擬計算機的事實，可以說算法就是個編程問題。基本的編程語言能力，比如MATLAB、C、C++是必須的。設(shè)計好算法之后，還需面對另外幾個問題：
離散化問題（Discretization）：連續(xù)算法的離散化是必要的，因為如今計算機都是數(shù)字系統(tǒng)。對于線性系統(tǒng)，比如電機控制，方法當(dāng)然就是從s域（傳遞函數(shù)）到z域（Z變換）再到t域（差分方程）的變換，非線性的就得研究微分方程的各種數(shù)值方法了。
混合控制問題（Hybrid Control）：幾乎當(dāng)前所有的機器人控制系統(tǒng)都不僅有一個控制模式，比如：回初始位置、運動控制模式、人工試教模式等等，每個模式需要特殊的控制算法。單個系統(tǒng)存在多個控制器時被稱為混合控制系統(tǒng)，混合控制系統(tǒng)常常使用有限狀態(tài)機（Finite State Machine, FSM）建模，狀態(tài)機的切換需注意一些問題，比如芝諾問題。
通信問題（Communication）：通常機器人系統(tǒng)都包含幾十個，甚至上百個傳感器以及幾個到十幾個驅(qū)動器，通信時常是個頭疼的問題。問題的復(fù)雜性源于：通信對象多（并發(fā)問題），順序需要協(xié)調(diào)（時序問題），通信的速率需要兼顧（阻塞問題）。個人傾向于使用基于“事件驅(qū)動模型”+“有限狀態(tài)機模型”的混合模型來處理此類問題。
機器人控制理論：控制方法千奇百怪，這里僅舉機器人臂的兩個比較經(jīng)典而常用的方法：混合力位控制和阻抗控制。
混合力/位控制（Hybrid Force/Position Control）是Mark Raibert（現(xiàn)今Boston Dynamics老板）和John Craig于70s末在JPL的工作成果，當(dāng)時他們是在Stanford臂上做的實驗，研究例如裝配等任務(wù)時的力和位置同時控制的情況。
阻抗控制（Impedance Control）是N.Hogan的工作成果。維納晚年，對人控制機器臂很感興趣。后來，他組織了MIT的Robert Mann，Stephen Jacobsen等一伙人開發(fā)了基于肌肉電信號控制的假肢臂，叫Boston Elbow。后來，Hogan繼續(xù)Mann的工作，他覺得假肢是給人用的，不應(yīng)當(dāng)和工業(yè)機器人一樣具有高的剛度，而應(yīng)該具有柔性，所以后來引入了阻抗。
其他控制。
建議：自己也在鉆研，共同學(xué)習(xí)吧。
首先，把描述機器人運動學(xué)和力學(xué)搞定。J.J. Craig出版于80s的《Introduction to Robotics: Mechanics and Control 》，或者R. Murray出版于90s的《A Mathematical Introduction to Robotic Manipulation》都行。對于機器人的數(shù)學(xué)基礎(chǔ)，最新的成就是基于Differentiable Manifold（微分流形）、Lie group（李群）和Screw Theory（旋量理論）的。在這方面，個人認(rèn)為以下研究團隊奠定了機器人的數(shù)學(xué)基礎(chǔ)理論：
1) Harvard的Roger Brokett教授及其學(xué)生Frank Chongwoo Park等；
2) UC Berkeley的Shankar Sastry教授及其學(xué)生Richard Murray，Zexiang Li等。
3) uPenn的Vijay Kumar教授，他和他的學(xué)生Milos Zefran以及Calin Belta在90年代研究了基于Differentiable Manifold的單剛體運動學(xué)和動力學(xué)。
4）上述2）中Richard Murray的學(xué)生Andrew Lewis和Francesco Bullo等研究了基于differentiable manifold和Lagrange Mechanics的機器人動力學(xué)以及幾何控制理論（Geometric Control Theory）。
再次，必要的反饋控制基礎(chǔ)當(dāng)然是不能少的。關(guān)于控制，并不推薦把下面的教材通讀一遍，僅需要了解必要的控制理念即可。陷入繁雜的細節(jié)往往不得要領(lǐng)，并浪費時間。具體的問題需要研讀論文。
首先，要建立控制理論的基本概念，如狀態(tài)方程、傳遞函數(shù)、前饋、反饋、穩(wěn)定性等等，推薦Stanford大學(xué)教授Franklin的《Feedback Control of Dynamic Systems》；
關(guān)于機器人控制的入門讀物，解釋的最清晰的當(dāng)屬MW Spong的《Robot modeling and control》，書中不僅詳細講解了基于機器人動力學(xué)的控制，也講解了執(zhí)行器動力學(xué)與控制(也即電機控制)。
關(guān)于非線性控制理論，推薦MIT教授J.J.E. Slotine的《Applied Nonlinear Control》。
