Moduł 00 · wprowadzenie

Wprowadzenie do IK

Od FK do problemu odwrotnego, postawienie zagadnienia, klasyfikacja, osiągalność, singularności.

Po co właściwie potrzebujemy odwrotnej kinematyki?

Wyobraź sobie, że pokazujesz palcem punkt w przestrzeni i mówisz robotowi: „chwyć to". Człowiek robi to bez myślenia, mózg automatycznie znajduje konfigurację ramienia, dłoni i palców. Robot potrzebuje tłumacza między „gdzie ma być końcówka" a „jakie kąty muszą przyjąć przeguby", i tym tłumaczem jest właśnie algorytm kinematyki odwrotnej (IK).

Bez IK żadna z poniższych aplikacji nie działa:

Programowanie ścieżki przemysłowej

Spawanie karoserii, lakierowanie, montaż PCB. Inżynier projektuje ścieżkę w przestrzeni 3D (CAD); IK przelicza ją na sekwencję konfiguracji przegubów. Bez tego programowanie byłoby ręczne, przegub po przegubie.

Lead-through teaching

Operator prowadzi rękę cobota (np. UR, Franka) do pozycji, naciska „zapisz”. Robot zapamiętuje nie tylko pozę końcówki, ale całą konfigurację, IK jest niezbędne by odtworzyć ruch z innej startowej pozycji.

Teleoperacja / VR

Chirurg porusza joystickiem; robot da Vinci w ciele pacjenta podąża. Rękawica VR steruje awatarem. Każdy ruch dłoni → pose w SE(3) → IK robota → kąty silników. Latencja musi być < 20 ms.

Pick-and-place z wizją

Kamera wykrywa pozycję paczki na taśmie → IK liczy konfigurację → robot chwyta. Kluczowe w logistyce (Amazon, DHL) i sortowniach żywności. Wymaga IK uruchamianego setki razy na sekundę.

Animacja postaci w grach

Postać podnosi przedmiot, otwiera drzwi, opiera rękę o ścianę. Inverse Kinematics w silnikach gier (Unreal, Unity) ustawia ramię, żeby dłoń trafiła w cel, bez ręcznej animacji każdego klatki.

Robotyka kosmiczna i podwodna

Ramię na Międzynarodowej Stacji Kosmicznej (Canadarm2) albo na ROV-ie. Operator widzi tylko widok z kamery; klika punkt w przestrzeni; IK przekształca to na ruch przegubów w stanie nieważkości / pod wodą.

Każda z tych aplikacji ma własne wymagania: szybkość (gry, VR), niezawodność (medycyna), powtarzalność (przemysł). Stąd różne metody IK, i stąd ten moduł. Nie ma jednego algorytmu „najlepszego", jest algorytm najlepszy do Twojego problemu.

Czym jest PUMA 560 i dlaczego cały kurs jej używa?

Wszystkie moduły 0–7 pracują na jednym konkretnym robocie: PUMA 560. Wybór nie jest przypadkowy, to klasyczny manipulator, którego każdy podręcznik robotyki używa jako modelu referencyjnego. Krótko, dlaczego:

PUMA 560, robot przemysłowy o sześciu stopniach swobody, klasyczny obiekt badawczy w robotyce — PUMA 560 w laboratorium NASA Ames Research Center (1990). Charakterystyczny kształt antropomorficzny: ramię, łokieć, sferyczny nadgarstek, geometria odpowiadająca ludzkiej ręce, dzięki czemu wzory IK dają się wyprowadzić ręcznie.
Źródło: Wikimedia Commons · autor: NASA / Dominic Hart · licencja: Public Domain

Krótka historia

1969, Victor Scheinman buduje na Uniwersytecie Stanforda „Stanford Arm" (poprzednik PUMA), pierwszy elektryczny manipulator komputerowo sterowany przeznaczony do prac montażowych.
1978, firma Unimation (założona przez Josepha Engelbergera, „ojca robotyki") wprowadza komercyjnie PUMA, Programmable Universal Machine for Assembly. Główny klient: General Motors, z myślą o linii montażowej.
Lata 80.–90., dominacja na liniach motoryzacyjnych w USA i Europie. Setki tysięcy sztuk w produkcji.
Dzisiaj, wycofana z produkcji nowych jednostek, ale pozostaje kanonicznym przykładem dydaktycznym w każdym podręczniku robotyki (Craig, Spong, Siciliano, Murray–Li–Sastry). Niemal każda praca o IK manipulatora 6-DOF pokazuje wyniki na Pumie.

Dlaczego idealna jako przykład dydaktyczny

Spełnia formę A warunku Piepera

Osie trzech ostatnich przegubów przecinają się w jednym punkcie (środek nadgarstka). Dzięki temu IK rozpada się na dwa łatwiejsze podproblemy 3-DOF: pozycja i orientacja. Da się wyprowadzić ręcznie w jeden wykład.

Geometria antropomorficzna

Bark (q₁ obrót talii, q₂ podniesienie), łokieć (q₃), nadgarstek sferyczny (q₄ q₅ q₆) odwzorowuje strukturę ludzkiego ramienia. Intuicje geometryczne z własnego ciała przekładają się 1:1 na konfiguracje robota.

8 rozwiązań na każdą pozę

shoulder L/R × elbow up/down × wrist flip/no-flip. Idealna ilustracja wielokrotności rozwiązań IK, fundamentalnej trudności, której nie da się obejść w żadnym manipulatorze 6-DOF.

Wszystkie pułapki na małym przykładzie

Singularności (oś 1 nad bazą, gimbal lock w nadgarstku), problemy wyboru gałęzi rozwiązania, ograniczenia zasięgu. Wszystko widać dla 6 osi, łatwiej niż na 7-DOF France czy redundantnych ramionach kosmicznych.

Co robimy w innych modułach: M9–M11 (dynamika, silnik DC, dobór napędów) korzystają z robota ES5 z dysertacji [Gruszka 2024], ma inną geometrię (forma B Piepera, równoległe osie q₂q₃q₄), ale algorytmy dynamiki działają identycznie. Pokazujemy więc dwa przykłady obok siebie.

Jak korzystać z tej aplikacji, mapa modułów

Aplikacja obejmuje pełen zakres przedmiotu Zasady Budowy Robotów. Wszystkie moduły wchodzą w program kursu, ale dla czytelności dzielimy je na dwa poziomy. Wiedza podstawowa to klasyczna teoria kinematyki, dynamiki i doboru napędów, w tym zakresie wymagamy pełnej biegłości (wyprowadzenia ręczne, wzory, parametry liczbowe, umiejętność rozwiązania zadania od zera). Wiedza zaawansowana to numeryczne metody IK i manipulatory wykraczające poza klasyczny warunek Piepera, oczekujemy znajomości koncepcji, umiejętności rozróżnienia rodzin metod i wskazania odpowiedniej dla danego problemu, bez konieczności implementacji szczegółów.

Wiedza podstawowa, trzon przedmiotu

Klasyczna kinematyka analityczna, dynamika odwrotna, modele silnika i pełen pipeline doboru napędów manipulatora

≈8-10 godzin lektury liniowej

Wiedza zaawansowana, rozszerzenie programu

Numeryczne metody IK na wspólnym benchmarku i analityczne rozwiązanie dla manipulatorów nieklasycznych (poza warunkiem Piepera)

≈6-8 godzin lektury liniowej

Wszystkie moduły działają jako referencja. Wracaj do nich wybiórczo, gdy potrzebujesz konkretnego wzoru, wyprowadzenia albo przykładu liczbowego. Każdy moduł zawiera ściągę formuł na końcu i co najmniej jeden wzorzec liczbowy, który możesz sprawdzić we własnej implementacji.

Od kinematyki prostej do odwrotnej

Manipulator o n stopniach swobody opisuje odwzorowanie $f: Q \to SE(3)$ , gdzie $Q \subset \mathbb{R}^n$ to przestrzeń konfiguracji (wektory wartości przegubów), a $SE(3)$ , grupa transformacji sztywnych 3D opisujących pozę efektora. Kinematyka prosta (FK) oblicza $T_0^{n} = f(q_1,\dots,q_n)$ bezpośrednio z iloczynu macierzy transformacji kolejnych ogniw:

T_0^{n}(q) \;=\; {}^{0}\!T_1(q_1) \cdot {}^{1}\!T_2(q_2) \cdot \dots \cdot {}^{n-1}\!T_n(q_n).

Problem odwrotny (IK) polega na wyznaczeniu $q \in Q$ takiego, że $f(q) = T^*$ , gdzie $T^*$ to zadana poza. Jest on zasadniczo trudniejszy: nieliniowy, wielokrotnie zdegenerowany, a często nieposiadający rozwiązania analitycznego. Poniższy diagram zestawia obie kierunki rozumowania:

Kinematyka prosta vs odwrotna, porównanie kierunku obliczeń — Kinematyka prosta (FK): kąty przegubów → poza efektora. Kinematyka odwrotna (IK): poza efektora → kąty. FK zawsze ma jednoznaczne rozwiązanie; IK często nie.
Źródło: Wikimedia Commons · autor: Haendy-freak · licencja: CC BY-SA 4.0

Manipulacja interaktywna, Puma560

Poniższy panel renderuje robota Puma560 z jego tabelą parametrów DH (modified / Craig). Suwaki po prawej sterują wartościami przegubów $q_1, \dots, q_6$ . Triady pokazują układy współrzędnych każdego ogniwa, to te same układy współrzędnych, na których opiera się każdy z solverów IK w kolejnych modułach.

Konfiguracja przegubów

θ₁2.8°

θ₂-77.7°

θ₃6.8°

θ₄8.5°

θ₅-19.3°

θ₆172.0°

Poza efektora (T₀⁶)

Pozycja [m]

x = 0.5000

y = 0.1500

z = 0.3000

Orientacja RPY [°]

R = 0.00

P = 90.00

Y = 0.00

Nie tylko Puma, różne typy manipulatorów

Większość modułów koncentruje się na klasycznym manipulatorze przegubowym (anthropomorphic, articulated), sześć przegubów obrotowych w łańcuchu szeregowym (typowy układ Puma560, Fanuc R-2000, ABB IRB). Ale w przemyśle istnieje cała rodzina innych konstrukcji, każda z własną charakterystyką i podejściem do IK:

SCARA (Selective Compliance Articulated Robot Arm), cztery osie, dwa pierwsze obroty w płaszczyźnie poziomej, jeden ruch wzdłuż Z, jedna rotacja narzędzia. Idealny do montażu PCB i przenoszenia.
Delta, równoległy, trzy ramiona połączone u góry, ruch translacyjny TCP. Bardzo szybki (pick-and-place), ale małą przestrzeń roboczą.
Kartezjański (gantry), trzy osie translacyjne, prostokątna przestrzeń robocza. IK trywialne (każda oś niezależna), ale duże gabaryty.
Cylindryczny / sferyczny, historyczne układy, ograniczone zastosowania.

Schemat manipulatora SCARA — Manipulator SCARA, 4 osie, 2 obrotowe w płaszczyźnie XY, jedna translacyjna w Z, jedna obrotowa narzędzia. IK ma znacznie prostsze wzory niż Puma.
Źródło: Wikimedia Commons · autor: EBatlleP · licencja: CC BY-SA 4.0

Każdy z tych typów ma specyficzne wzory IK, często znacznie prostsze niż dla Pumy. Metody iteracyjne (Jakobianowe, optymalizacyjne) z modułów 3–4 są uniwersalne, działają niezależnie od typu konstrukcji.

Kluczowe trudności IK

Wielokrotność rozwiązań. Dla typowego przemysłowego manipulatora 6-DOF (Puma, Fanuc, ABB) istnieje do ośmiu konfiguracji osiągających tę samą pozę, shoulder L/R, elbow up/down, wrist flip. Solver musi wybrać jedną, np. najbliższą bieżącej konfiguracji.
Osiągalność. Zbiór poz osiągalnych jest ograniczony (workspace), zadanie poza nim nie ma rozwiązania.
Singularności. W punktach, w których jakobian traci rząd (np. przy $q_5 = 0$ w nadgarstku sferycznym), solver numeryczny rozbiega się albo traci stabilność; rozwiązanie zamknięte w tym miejscu jest ciągłe, ale kierunek ruchu nadgarstka staje się niejednoznaczny.
Ograniczenia przegubowe i kolizje. Matematyczne rozwiązanie może być fizycznie nierealizowalne.

Klasyfikacja metod IK

Kategoria	Reprezentanci	Zalety	Wady
Analityczne (zamknięte)	Pieper, Paul, PoE / Paden-Kahan, Raghavan-Roth	Dokładne, szybkie (µs), wszystkie rozwiązania	Wymagają ręcznego wyprowadzenia dla każdej rodziny robotów; trudniejsze geometrie wymagają zaawansowanych metod (rezultanty, równanie 16. stopnia)
Jakobianowe (iteracyjne)	Transpose, Pseudoinverse, DLS, SDLS	Dowolny robot, płynne trajektorie	Singularności, rozbieżność, lokalne minima
Optymalizacyjne	Nelder–Mead, SQP, CMA-ES	Dowolne cele i ograniczenia	Wolne, wrażliwe na parametry
Uczące się	MLP, MDN, IKFlow, diffusion	Wielomodalne, uczą się niejawnej struktury	Koszt treningu, ekstrapolacja, niepewność
Hybrydowe	NN→DLS warm-start, learned Jacobian	Najczęściej najlepszy kompromis w praktyce	Złożoność implementacji

W kolejnych modułach każda z tych rodzin jest omówiona osobno, z wyprowadzeniem, implementacją referencyjną i porównaniem na tym samym zbiorze testowych poz.