Question

我正在使用arduino和6个伺服电机构建一个6自由度机械臂。

我使用串行通信创建了一个Python接口，这样我就可以编写：move_motor(angle1=45, angle2=37)并且伺服电机会相应地移动。

现在我要进入IK部分，我正在寻找一个设置臂长的好包装，然后你可以给它(x,y,z,theta)它将返回每个马达的角度。

有没有好的套餐？或者至少我可以为我的需求玩些什么？

Answer 1

由于您的问题非常简单，我认为最适合您的是通过二次规划（QP）解决逆运动学（IK）问题。在Python中，您可以使用例如几行代码解决QP问题。 CVXOPT库（我发表了a tutorial with some code here）。另外，我写的是使用CVXOPT作为QP求解器的an example of IK solver in Python。它比手头的问题更复杂，但你可以看看它的灵感。

有用的部分是这个功能：

def compute_velocity(self, q, qd):
    P = zeros(self.I.shape)
    r = zeros(self.q_max.shape)
    for obj in self.objectives:
        J = obj.jacobian(q)
        P += obj.weight * dot(J.T, J)
        r += obj.weight * dot(-obj.velocity(q, qd).T, J)
    if self.K_doflim is not None:
        qd_max = minimum(self.qd_max, self.K_doflim * (self.q_max - q))
        qd_min = maximum(self.qd_min, self.K_doflim * (self.q_min - q))
    else:
        qd_max = self.qd_max
        qd_min = self.qd_min
    G = vstack([+self.I, -self.I])
    h = hstack([qd_max, -qd_min])
    if self.constraints:
        A = vstack([c.jacobian() for c in self.constraints])
        b = hstack([c.velocity() for c in self.constraints])
        return cvxopt_solve_qp(P, r, G, h, A, b)
    return cvxopt_solve_qp(P, r, G, h)

它基本上通过差分IK 来解决全局IK问题（找到关节角矢量＆＃39; q＆＃39;），也就是说，通过计算速度来解决问题。 QD＆＃39;这促使系统走向解决方案。这基本上是Levenberg-Marquardt algorithm背后的想法。

Python反向运动学包

1 个答案: