билеты

Первый блок

1. + Задача оптимизации. Локальная и глобальная задачи оптимизации. Критерии оптимизации, целевая функция, ограничения.

Задача оптимизации сформулирована, если заданы: критерий оптимальности (экономический, технологические требования); варьируемые параметры (например, температура, давление), изменение которых позволяет влиять на эффективность процесса; математическая модель процесса; ограничения, связанные с экономическими и конструктивными условиями, возможностями аппаратуры и другое.

Локальный оптимум — это такое значение целевой функции f(x*), которое является наилучшим (минимальным или максимальным) в некоторой малой окрестности точки x*. На "ландшафте" целевой функции это дно ближайшей впадины или вершина ближайшего холма.

Большинство классических численных методов (градиентные методы, метод Ньютона) находят именно локальный оптимум. Их результат сильно зависит от выбора начального приближения.

Глобальный оптимум — это абсолютно наилучшее значение целевой функции на всей допустимой области. Это самая глубокая впадина или самая высокая вершина на всем "ландшафте".

Поиск глобального оптимума — задача значительно более сложная и ресурсоемкая. Требует применения специальных методов (генетические алгоритмы, метод роя частиц, имитация отжига) или комбинации методов.

Критерий оптимизации (Критерий оптимальности) - это качественный показатель, который мы хотим улучшить. Он определяет цель оптимизации и выбирается на основе требований к системе.

Целевая функция (Функционал качества) - это количественная математическая формулировка критерия оптимизации. Это функция (строго говоря функционал) от варьируемых параметров системы f(x), экстремум которой мы ищем. Построение целевой функции — ключевой и часто самый сложный этап.

Ограничения - это условия, которые сужают область допустимых значений варьируемых параметров x и/или показателей системы. Решение, нарушающее ограничения, считается недопустимым.

2. + Оптимизация выпуклой функции. Градиентный спуск. Понятие градиента.

Выпуклая функция (строгое математическое определение) - это функция, у которой для любых двух точек x₁ и x₂ и любого λ ∈ [0, 1] выполняется неравенство Йенсена:

Геометрический смысл: Хорда (отрезок), соединяющая любые две точки на графике функции, лежит не ниже или не выше (выпуклые вниз/вверх функции) самого графика. "Поверхность" функции имеет форму "чаши".

Ключевое свойство для оптимизации: У выпуклой функции любой локальный минимум является одновременно и глобальным минимумом.

Следствие: Для задачи минимизации выпуклой функции достаточно найти локальный минимум. Это радикально упрощает задачу, так как многие эффективные методы гарантированно сходятся к глобальному решению.

Признак выпуклости для дважды дифференцируемых функций: Матрица вторых производных (гессиан) H(f) является положительно полуопределенной для всех x из области определения.

Градиентом функции f(x₁, x₂, ..., xₙ) в точке x называется вектор, компонентами которого являются частные производные функции по всем переменным в этой точке.

Математическая запись:

Геометрическая и физическая интерпретация:

Градиент в точке указывает направление, в котором функция f увеличивается быстрее всего.

В любой точке градиент направлен перпендикулярно к касательной линии (поверхности) уровня функции f(x) = const.

Величина (модуль) градиента ||∇f(x)|| характеризует скорость изменения функции в этом направлении. Чем больше модуль, тем "круче" склон.

Градиентный спуск - это итеративный метод первого порядка (потому что используется только первая производная) для нахождения локального минимума дифференцируемой функции.

Основная идея: Если двигаться небольшими шагами в направлении, противоположном градиенту (то есть в направлении наискорейшего убывания функции), то можно постепенно спуститься в локальный минимум.

Алгоритм:

1. Инициализация: x0 - начальное положение (в самом простом случае выбирается случайно), α - шаг обучения, ε - точность
2. while True:
3. Рассчитать вектор (градиент) - ∇f(xk)
4. Сделать шаг в направлении антиградиента:

xk+1 = xk - α * ∇f(xk)

1. Проверка сходимости:

if ||xk+1 - xk|| < ε:

break

3. + Решение задач глобальной оптимизации мехатронных систем неградиентными методами. Алгоритмы глобальной оптимизации. Преимущества и недостатки по сравнению с градиентными методами.

При проектировании и оптимизации мехатронных систем часто возникает задача глобальной оптимизации, то есть поиска наилучшего решения среди всех допустимых вариантов, а не только вблизи некоторой начальной точки. В таких задачах целевая функция может быть нелинейной, многомерной, негладкой, иметь разрывы, шум, а также множество локальных экстремумов. Типичными примерами являются оптимизация параметров приводов, структуры регуляторов, кинематических размеров механизмов, траекторий движения и энергопотребления.

Во многих подобных случаях применение классических градиентных методов оказывается затруднительным или невозможным, так как производные либо неизвестны, либо не существуют, либо вычисляются с большой погрешностью. В этих условиях широко применяются неградиентные методы глобальной оптимизации, основанные не на использовании производных, а на анализе значений целевой функции.

Основные идеи неградиентных методов глобальной оптимизации

Неградиентные методы используют поисковые, вероятностные или эвристические стратегии, позволяющие исследовать всю область допустимых решений. Их ключевая особенность — способность выходить из локальных минимумов и приближаться к глобальному оптимуму.

В отличие от градиентных методов, которые движутся в направлении локального убывания функции, неградиентные алгоритмы:

• работают с набором решений или случайными пробами;
• допускают временное ухудшение целевой функции;
• не требуют аналитического задания функции и её производных;
• хорошо масштабируются на сложные и комбинированные задачи мехатроники.

Генетические алгоритмы

Генетические алгоритмы основаны на принципах эволюционной биологии. Каждое возможное решение рассматривается как «особь», а набор решений — как «популяция». В ходе итераций применяются операции отбора, скрещивания и мутации, что позволяет постепенно улучшать качество решений.

В мехатронных системах генетические алгоритмы часто применяются для:

• оптимизации параметров ПИД-регуляторов;
• выбора структуры системы управления;
• многокритериальной оптимизации.

Преимуществом является высокая устойчивость к локальным минимумам, однако недостатком — большое число вычислений и сложность настройки параметров алгоритма.

Метод имитации отжига

Метод имитации отжига моделирует процесс охлаждения материала. На начальных этапах алгоритм допускает переходы к худшим решениям с некоторой вероятностью:

P=exp(−Δf/T))

где T — «температура», постепенно уменьшающаяся по заданному закону.

Благодаря этому метод способен покидать локальные минимумы. В задачах мехатроники он эффективен при оптимизации:

• траекторий движения;
• конфигураций механизмов;
• параметров при наличии сильных нелинейностей.

Основной недостаток — медленная сходимость при низких температурах.

Алгоритм роя частиц

Алгоритм роя частиц основан на коллективном поведении биологических систем (стаи птиц, косяки рыб). Каждая частица изменяет своё положение в пространстве решений, учитывая:

• собственный лучший результат;
• лучший результат всего роя.

Метод прост в реализации и хорошо подходит для непрерывных задач оптимизации, типичных для мехатронных систем. Однако при неправильной настройке возможна преждевременная сходимость.

Дифференциальная эволюция

Дифференциальная эволюция использует операции комбинирования векторов параметров, что делает её особенно эффективной для задач с вещественными переменными. Метод отличается хорошей скоростью сходимости и высокой устойчивостью, но чувствителен к выбору коэффициентов масштабирования и вероятностей мутаций.

4. + Прямая и обратные задачи проектирования робототехнических и мехатронных систем. Особенности реализации оптимизационной задачи при имитационном моделировании.

Прямая задача проектирования

Прямая задача проектирования заключается в анализе поведения системы при заданных конструктивных, кинематических и управляющих параметрах. Иными словами, известна структура системы и значения параметров, а требуется определить её выходные характеристики.

В контексте мехатронных систем это может быть:

• расчёт траектории рабочего органа при заданных размерах звеньев и законах управления;
• определение точности позиционирования при известных параметрах приводов;
• оценка энергопотребления, динамических нагрузок, устойчивости системы.

Формально прямая задача может быть представлена в виде отображения:

y=F(x),y = F(x),y=F(x),

где x — вектор параметров системы (массы, жёсткости, коэффициенты регуляторов), а y — вектор выходных характеристик (ошибка, скорость, перегрузки).

Прямые задачи хорошо поддаются аналитическому или имитационному моделированию и часто используются на этапах анализа и верификации проекта. Однако они не отвечают на вопрос, какими должны быть параметры, чтобы получить заданные свойства системы.

Обратная задача проектирования

Обратная задача проектирования формулируется противоположным образом: заданы требуемые характеристики системы, а требуется найти такие параметры и структуру, при которых эти требования будут выполнены.

Примеры обратных задач в робототехнике и мехатронике:

• подбор геометрических размеров манипулятора для обеспечения заданной рабочей зоны;
• синтез параметров системы управления для минимизации ошибки слежения;
• выбор характеристик приводов при ограничениях по массе и энергопотреблению.

Обратная задача, как правило, не имеет единственного решения, является нелинейной и часто плохо обусловленной. Поэтому она формулируется как задача оптимизации:

x∈Ωmin​J(x),

где J(x) — целевая функция, отражающая степень выполнения технических требований (например, интегральная ошибка, время переходного процесса), а Ω — множество допустимых параметров с учётом конструктивных и эксплуатационных ограничений.

Особенности реализации оптимизационной задачи при имитационном моделировании

В современных мехатронных и робототехнических системах аналитическое описание поведения часто невозможно из-за высокой сложности, нелинейностей, трения, насыщений и логических элементов. В таких условиях оптимизация параметров выполняется на основе имитационного моделирования.

Суть подхода заключается в следующем: для каждого набора параметров система моделируется во времени, после чего по результатам моделирования вычисляется значение целевой функции. Таким образом, оптимизация строится вокруг цикла:

1. задание параметров системы;
2. запуск имитационной модели;
3. анализ выходных сигналов;
4. вычисление целевой функции;
5. изменение параметров оптимизационным алгоритмом.

Ключевая особенность такого подхода — отсутствие аналитического выражения целевой функции. Функция фактически задаётся алгоритмом моделирования, что делает невозможным точное вычисление её производных.

5. Генеративный дизайн и топологическая оптимизация мехатронных и робототехнических систем и их деталей. Методы, различия, достоинства и недостатки.

6. + Жадный, ε-жадный алгоритмы. Задача коммивояжёра. Задача о рюкзаке.

алгоритмы типа “greedy”

Под алгоритмами типа “greedy” (жадными, пожирающими) понимаются эвристики(приближенные алгоритмы решения задач), в которых на каждом этапе решения задачи осуществляется действие, оптимальное для этого этапа. То есть оптимизация целевой функции заменяется локальной оптимизацией на каждом шаге алгоритма. (из пособия http://www.unn.ru/books/met_files/mdo2p.pdf)

“Жадный алгоритм «жадно» берёт то, что сейчас кажется наилучшим, не оглядываясь на возможные последствия.”

Задача о рюкзаке

(Жадный алгоритм — Википедия)

Задача коммивояжёра

заключающаяся в поиске самого выгодного маршрута, проходящего через указанные города ровно по одному разу с последующим возвратом в исходный город. В условиях задачи указываются критерий выгодности маршрута (кратчайший, самый дешёвый, совокупный критерий и тому подобное) и соответствующие матрицы расстояний, стоимости и тому подобного. (Задача коммивояжёра — Википедия)

7. + Алгоритмы прямого поиска. Метод Хукка-Дживса для оптимизации без производных. Критерии оптимизации, целевая функция, ограничения.

https://studfile.net/preview/6211233/page:3/

https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%A5%D1%83%D0%BA%D0%B0_%E2%80%94_%D0%94%D0%B6%D0%B8%D0%B2%D1%81%D0%B0

Алгоритмы прямого поиска (методы нулевого порядка) оптимизируют функцию, используя только её значения в пробных точках без вычисления производных.

Эти методы пробуют соседние точки базисной xk с фиксированными шагами hi, выбирая улучшающие варианты: покоординатный спуск, Нелдера-Мида (симплекс), Хукка-Дживса. Не требуют градиента, подходят для "черного ящика" — симуляций робототехники, где производные шумные или недоступны.

Метод Хука — Дживса (англ. Hooke — Jeeves, Pattern search), также известный как метод конфигураций — как и алгоритм Нелдера — Мида, служит для поиска безусловного локального экстремума функции и относится к прямым методам, то есть опирается непосредственно на значения функции. Алгоритм делится на две фазы: исследующий поиск и поиск по образцу.

На начальном этапе задаётся стартовая точка (обозначим её 1) и шаги hi по координатам. Затем замораживаем значения всех координат кроме 1-й, вычисляем значения функции в точках x0+h0 и x0-h0 (где x0 — первая координата точки, а h0 — соответственно значение шага по этой координате) (исследующий поиск) и переходим в точку с наименьшим значением функции (поиск по образцу). В этой точке замораживаем значения всех координат кроме 2-й, вычисляем значения функции в точках x1+h1 и x1-h1, переходим в точку с наименьшим значением функции и т. д. для всех координат. В случае, если для какой-нибудь координаты значение в исходной точке меньше, чем значения для обоих направлений шага, то шаг по этой координате уменьшается. Когда шаги по всем координатам hi станут меньше соответствующих значений ei, алгоритм завершается, и точка 1 признаётся точкой минимума.

Критерии оптимизации - x

Целевая функция - f(x)

Ограничения (не знаю что тут писать так что держите perplexity):

8. + Генетический алгоритм глобальной оптимизации. Способы селекции, скрещивания, мутаций. Критерии оптимизации, целевая функция, ограничения.

https://ru.wikipedia.org/wiki/%D0%93%D0%B5%D0%BD%D0%B5%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC

Генети́ческий алгори́тм (англ. genetic algorithm) — эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе.

Можно выделить следующие этапы генетического алгоритма:

1. Задать целевую функцию (приспособленности) для особей популяции
2. Создать начальную популяцию

• (Начало цикла)

1. Размножение (скрещивание)
2. Мутирование
3. Вычислить значение целевой функции для всех особей
4. Формирование нового поколения (селекция)
5. Если выполняются условия остановки, то (конец цикла), иначе (начало цикла).

Селекция: выбор лучших особей. Процент определяется в начальном условии. Часто берут столько особей, сколько было до размножения

Способы:

Скрещивание:

Мутация: изменение доли потомков

Критерии остановки:

• нахождение глобального, либо субоптимального решения;
• исчерпание числа поколений, отпущенных на эволюцию;
• исчерпание времени, отпущенного на эволюцию

Целевая функция Фитнес-функция f(x) определяет качество индивида x

9. + Алгоритм роя частиц. Критерии оптимизации, целевая функция, ограничения. Преимущества и недостатки.

Алгоритм роя частиц (PSO, Particle Swarm Optimization) моделирует социальное поведение стаи (птицы, рыбы), где частицы параллельно исследуют пространство решений, двигаясь к личным и глобальным лучшим позициям.

https://habr.com/ru/articles/105639/ :

из нейронки:

10. + Суррогатная оптимизация. Критерии оптимизации, целевая функция, ограничения. Преимущества и недостатки.

От Perplexity:

11. + Имитация отжига. Алгоритмы отбора кандидата и принятия решения о выборе кандидата.

https://habr.com/ru/articles/209610/

Второй блок

1. + Принципы проектирования роботов для динамического контактного взаимодействия с окружающей средой. Коллаборативные манипуляторы, квадропеды, антропоморфы. Принципы проектирования и управления ими.

Ключевой тезис: Современные роботы (коллаборативные манипуляторы, квадропеды, антропоморфы) проектируются не для работы в изоляции, а для безопасного и эффективного силового взаимодействия со средой. Это требует принципиально новых подходов по сравнению с классическими промышленными роботами.

1. Общие принципы проектирования (общие для всех трех классов):

• Импедансное управление (Impedance Control): Основная парадигма. Робот управляет не положением, а отношением между положением и силой (жесткостью, демпфированием, инерцией). Это позволяет "уступать" при контакте, а не ломать объект или себя.
• Прямое измерение усилия (Direct Force/Torque Sensing): Датчики моментов в суставах (Joint Torque Sensors - JTS) или шестикомпонентные датчики сил/моментов (FT-sensor) в запястье/стопе. Критически важны для обратной связи по контакту.
• Эластичные/серийные приводы (Series Elastic Actuators - SEA): Введение преднамеренной упругости в привод для: а) накопления/высвобождения энергии (эффективность), б) защиты от ударов, в) точного измерения усилия через деформацию.
• Безопасность (Safety by Design): Округлые формы, облегченные конструкции (композиты, алюминий), отсутствие защемляющих точек. Пассивная безопасность важнее активной.
• Вычислительная мощность: Алгоритмы динамического управления (управление с обратной связью по силе, предиктивные контроллеры) требуют мощных процессоров для работы в реальном времени.

2. Принципы по классам роботов:

А) Коллаборативные манипуляторы (Cobots):

• Проектирование:
• Облегченные звенья для снижения кинетической энергии.
• Датчики моментов в каждом суставе для обнаружения коллизий по току двигателей или прямым измерениям (требование стандарта ISO/TS 15066).
• Ограниченная мощность приводов.
• Управление:
• Контроль усилия и мощности: Ограничение скорости и силы по стандартам.
• Режимы коллаборации: 1) Hand-guiding (оператор ведет робота), 2) Силовой контроль (робот выполняет задачу с постоянным усилием, например, полировка), 3) Мониторинг зоны безопасности (робот останавливается при входе человека).
• Комплаентность: Способность "подстраиваться" под траекторию, навязанную оператором или контуром силовой обратной связи.

Б) Квадропеды (Четвероногие роботы):

• Проектирование:
• Механическая рекуперация энергии: Пружины и демпферы в ногах (аналог сухожилий) для эффективной ходьбы/бега (пассивная динамика).
• Маятниковая динамика: Центр масс используется как маятник для управления телом.
• Малый вес, высокая удельная мощность приводов для динамичных прыжков.
• Управление:
• Разделение на высокоуровневые и низкоуровневые контроллеры:
• Верхний уровень: Планировщик походки (на основе моделей предиктивного управления - MPC), который вычисляет оптимальные точки опоры и траектории центра масс.
• Низкий уровень: Импедансный/гибридный сило-позиционный контроль для каждой ноги. Управление силой реакции опоры (GRF Control) - ключевой метод для стабилизации.
• Алгоритмы восстановления от толчков и адаптации к рельефу.

В) Антропоморфные роботы (Humanoids):

• Проектирование:
• Высокая степень свободы (DoF): Для адаптации позы и манипулирования (руки+ноги).
• Плотная компоновка приводов (часто с редукторами Harmonic Drive) для высокой удельной мощности в торсе и ногах.
• Стопы с датчиками силы и площадью, достаточной для удержания равновесия.
• Сенсорная система: Камеры, лидары, IMU, датчики силы в стопах и кистях - для построения модели мира и себя.
• Управление:
• Управление по нулевому моменту (ZMP - Zero Moment Point): Классический метод для удержания динамического равновесия путем контроля точки, где суммарный момент сил равен нулю.
• Управление всем телом (Whole-Body Control - WBC): Оптимизационный контроль, который распределяет задачи (удержание равновесия, движение руки, взгляд) между всеми суставами робота, учитывая их приоритеты и физические ограничения.
• Захват и манипуляция: Использование тактильных датчиков и импедансного управления в кистях для работы с объектами.

3. Вывод:

Несмотря на различия, все три класса объединяет переход от жесткого позиционного контроля к гибкому силовому взаимодействию. Ключевые технологические тренды: комплаентные (упругие) приводы, прямая обратная связь по силе и современные оптимальные контроллеры (MPC, WBC), позволяющие роботам не просто избегать контакта, а использовать его для выполнения задач в сложной, неструктурированной динамической среде.

ПУНКТ С ИСТОРИЕЙ ВООБЩЕ НЕПОНЯТНЫЙ, НА СВОЙ СТРАХ И РИСК

2. + Статическая и динамическая локомоция шагающих роботов. Обзор методов планирования и управления бипедами и квадропедами. Принципы проектирования роботов-педипуляторов. Краткая история становления нового поколения роботов (2000-2024 года).

1. Статическая vs. Динамическая локомоция

• Статическая локомоция (Quasi-static):
• Принцип: В любой момент времени робот находится в состоянии статического равновесия. Центр масс (ЦМ) проецируется внутрь многоугольника опоры.
• Характеристики: Медленные, осторожные движения. Высокое энергопотребление (частые остановки). Устойчивость обеспечивается геометрически.
• Примеры: Ранние шагающие машины (например, Shakey), первые гуманоиды (Honda E0-E2), краны-шагоходы.
• Динамическая локомоция:
• Принцип: Робот намеренно выводится из состояния статического равновесия, а устойчивость поддерживается за счет инерции, динамических сил и активного управления. Движение непрерывное.
• Характеристики: Быстрая, энергоэффективная, естественная походка. Устойчивость обеспечивается контролем момента и управлением силой реакции опоры (GRF).
• Примеры: Современные квадропеды (Boston Dynamics Spot, ANYmal), бегущие бипеды (Boston Dynamics Atlas, Cassie).

2. Обзор методов планирования и управления

А) Для бипедов (двуногих роботов):

• Планирование:
• На основе нулевого момента (ZMP): Классический метод. Планировщик генерирует такую траекторию ЦМ и точек опоры, чтобы ZMP (точка, где суммарный момент инерционных и гравитационных сил равен нулю) оставалась внутри опорного многоугольника. Используется для ходьбы по ровной поверхности.
• Модельное предиктивное управление (MPC): Современный стандарт. В реальном времени решает оптимизационную задачу на модели робота, предсказывая будущие состояния и вычисляя оптимальные управления (силы, моменты, точки опоры) на горизонте планирования. Позволяет адаптироваться к толчкам и неровностям.
• Управление:
• Управление всем телом (Whole-Body Control - WBC): Иерархический контроллер, который распределяет задачи (равновесие, движение рук, шаг) между всеми суставами, учитывая их приоритеты и физические ограничения (например, трение).
• Гибридное управление: Сочетание позиционного управления для ног в фазе переноса и силового управления для ноги в фазе опоры.

Б) Для квадропедов (четвероногих роботов):

• Планирование:
• Планирование походки: Автоматическое переключение между аллюрами (шаг, иноходь, рысь, галоп) в зависимости от требуемой скорости и рельефа. Часто используется конечный автомат.
• MPC для управления ЦМ и угловым моментом: Вычисляет оптимальные силы реакции опоры для всех четырех ног одновременно, чтобы стабилизировать тело и выполнить заданное движение.
• Управление:
• Иерархическая схема:

1. Верхний уровень (MPC): Определяет, какие силы должны создавать ноги.
2. Средний уровень (Распределение сил): Распределяет эти силы по конкретным ногам, находящимся в контакте.
3. Низкий уровень (Импедансное управление): Реализует эти целевые силы через управление моментом в суставах, обеспечивая упругость и податливость.

• Управление силой реакции опоры (GRF Control): Фундаментальный метод. Позволяет прыгать, бегать и быстро восстанавливаться после толчков.

3. Принципы проектирования роботов-педипуляторов

(Роботы, использующие конечности для локомоции и манипулирования)

1. Активная комплаентность: Приводы должны не только создавать усилие, но и управляемо "уступать". Достигается за счет:

• Серийных упругих приводов (SEA).
• Прямого управления моментом с высокочастотной обратной связью.

1. Пассивная динамика и рекуперация энергии: Использование пружин, маятниковых эффектов для повышения энергоэффективности (пример: Cassie с ее пружинными "ахилловыми сухожилиями").
2. Высокая удельная мощность приводов: Для динамичных движений (прыжков, быстрого бега) нужны легкие и мощные двигатели (часто BLDC) с низкоинерционными редукторами (Harmonic Drive, планетарные).
3. Распределенная сенсорика: Ключевые датчики:

• Инерциальный измерительный блок (IMU): Ориентация и угловые скорости корпуса.
• Энкодеры абсолютные и инкрементальные: Положение и скорость суставов.
• Датчики момента в суставах: Для силомоментного контроля.
• Датчики силы в стопах/кистях: Для измерения GRF и управления контактом.
• Тактильные датчики: Для манипуляции.

1. Модульность и ремонтопригодность: Ноги и конечности как съемные модули.

4. Краткая история становления нового поколения роботов (2000-2024 гг.)

• 2000-е: Зарождение динамического подхода.
• Boston Dynamics: Прорывные демонстрации (BigDog, 2005) — динамическая устойчивость на сложном рельефе с использованием гидроприводов и силового управления.
• Робототехнические соревнования: DARPA Grand Challenge (2004-2005) стимулировал развитие автономии и восприятия.
• 2010-е: Эра гуманоидов, электрификации и коммерциализации.
• DARPA Robotics Challenge (2012-2015): Ключевое событие. Стимулировал создание антропоморфных роботов (Atlas, HRP-2) для действий в катастрофах. Выявил проблемы с автономией и устойчивостью.
• Переход на электроприводы: Отказ от шумных и тяжелых гидросистем в пользу компактных электромоторов (Spot Mini, ANYmal).
• Выход из лабораторий: Появление первых коммерческих платформ (Spot от BD, Digit от Agility Robotics).
• 2020-е: Доминирование ИИ и массовая адаптация.
• Глубокое обучение и RL: Алгоритмы машинного обучения (в т.ч. с подкреплением) заменяют классические методы планирования для сложных задач (манипуляция, адаптивная походка). Примеры: OpenAI + Dactyl, RT-2 от Google.
• Достижение автономии: Роботы учатся самостоятельно составлять карту местности, навигации и выполнению задач без постоянного контроля оператора.
• Интеграция в индустрию: Квадропеды и коботы начинают работать на заводах, складах, в энергетике как мобильные инспекционные и манипуляционные платформы.

3. + Прямые привода, квази-прямые привода и привода с высоким передаточным отношением. Обратимость, отраженная инерция, типы редукторов, типы электромоторов. Преимущества и недостатки. Forward и back driveability.

1. Классификация приводов по типу передачи

Параметры приводов:

Прямой привод (Direct Drive):

• Передаточное число: i = 1 (редуктора нет)
• Суть: ротор мотора напрямую соединен с нагрузкой
• Ключевая цель: максимальная точность, отсутствие люфтов, высочайшая обратимость

Квази-прямой привод (Quasi-Direct Drive / QDD):

• Передаточное число: низкое (i = 1 ÷ ~10)
• Суть: мотор + маломоментный редуктор с низким трением (чаще гармонический)
• Ключевая цель: баланс между высоким пиковым моментом и обратимостью

Привод с высоким передаточным отношением (High-Gear Ratio):

• Передаточное число: высокое (i = 50 ÷ 200+)
• Суть: мотор + редуктор (гармонический, планетарный, волновой) для усиления момента
• Ключевая цель: максимизация выходного момента и удельной мощности (отношение момента к массе)

2. Ключевые концепции и характеристики

• Обратимость (Backdrivability) / Back-Driveability:
• Способность привода свободно проворачиваться от внешнего усилия, приложенного к выходному звену (например, при физическом взаимодействии робота со средой).
• Факторы, влияющие на обратимость: Трение в редукторе, инерция ротора, передаточное число, демпфирование.
• Рейтинг: Прямой > QDD >> Высокомоментный (обычно низкая или нулевая без разблокировки).
• Отраженная инерция (Reflected Inertia):
• Инерция ротора мотора, "увеличенная" в i² раз и "видная" на выходном звене. J_reflected = J_rotor * i².
• Следствие: Высокое передаточное число резко увеличивает отраженную инерцию, что делает систему "жесткой" и снижает обратиммость.
• Проблема: Большая отраженная инерция опасна при ударах (робот не успевает "уступить", возникает высокий импульс силы).
• Forward vs. Back Driveability:
• Forward Driveability (Эффективность привода): Способность эффективно передавать усилие от мотора к нагрузке. Высокомоментные приводы здесь лидеры.
• Back Driveability (Обратимость): Способность передавать усилие от нагрузки к мотору. Лидеры — прямые и QDD приводы.
• Компромисс: Обычно одно достигается в ущерб другому. Задача проектировщика — найти баланс, исходя из задачи робота.

3. Типы редукторов (плюсы/минусы)

1. Гармонический редуктор (Harmonic Drive):

• Плюсы: Очень высокое передаточное число в одной ступени, нулевой люфт, компактность, высокая удельная мощность.
• Минусы: Высокая стоимость, упругость (может осложнять контроль), заметное трение в покое.
• Применение: Прецизионные манипуляторы (KUKA, Fanuc), антропоморфные роботы (роборуки, приводы коленей).

1. Планетарный редуктор (Planetary Gearbox):

• Плюсы: Хорошее соотношение цена/качество, высокий КПД, компактность, возможность средних и высоких передаточных чисел.
• Минусы: Небольшой люфт, сложность изготовления абсолютно точных.
• Применение: Широко в промышленных роботах, квадропедах (например, в Spot для основных суставов).

1. Волновой редуктор (Cycloidal Drive):

• Плюсы: Очень высокие передаточные числа, высочайшая перегрузочная способность и ударная стойкость, нулевой люфт.
• Минусы: Сложная геометрия, вибрации на высоких скоростях, может быть менее эффективным.
• Применение: Промышленность, где нужна стойкость к ударным нагрузкам.

1. Шкивы и ремни (для QDD):

• Плюсы: Очень низкое трение, демпфирование, защита от перегрузок (проскальзывание), низкая стоимость.
• Минусы: Упругость (может вызывать резонансы), ограниченный ресурс, не для высоких моментов.
• Применение: QDD-приводы (робот Digit от Agility Robotics, некоторые приводы Cassie).

4. Типы электромоторов (плюсы/минусы)

1. Щеточный коллекторный двигатель постоянного тока (DC Motor):

• Плюсы: Простота управления, низкая стоимость, высокий пусковой момент.
• Минусы: Износ щеток, искрение, низкая надежность, ограниченная скорость.
• Применение: Простые и дешевые роботы, игрушки.

1. Бесколлекторный двигатель постоянного тока (BLDC / PMSM):

• Плюсы: Высокая надежность (нет щеток), высокий КПД, большая удельная мощность, возможность точного управления моментом.
• Минусы: Требуется сложный контроллер (драйвер), более высокая стоимость.
• Применение: Стандарт в современной робототехнике. Все динамичные роботы (Spot, Atlas, дроны), современные манипуляторы.

1. Шаговый двигатель (Stepper Motor):

• Плюсы: Точное позиционирование без обратной связи (в разомкнутом контуре), высокий момент на низких скоростях.
• Минусы: Резонанс, низкий КПД, теряет шаги при перегрузке, плохая обратимость.
• Применение: 3D-принтеры, станки, роботы, где важна точность позиционирования, а динамика и взаимодействие не критичны.

5. Преимущества/недостатки приводов (бывшая итоговая таблица)

Прямой привод:

• Преимущества: идеальная обратимость, нулевой люфт, точность, низкое трение
• Недостатки: низкий удельный момент, большой мотор, высокая стоимость
• Применение: поворотные столы, симуляторы движения, прямой привод шпинделей

Квазипрямой QDD:

• Преимущества: хорошая обратимость, высокий пиковый момент, защита от ударов, хорошая forward driveability
• Недостатки: упругость усложняет позиционный контроль, нужны сложные алгоритмы (импедансный контроль)
• Применение: динамичные роботы (Cassie, Digit), новые коллаборативные манипуляторы

Высокомоментный привод:

• Преимущества: максимальный удельный момент, высокая жесткость, стандартизированность
• Недостатки: плохая обратимость, высокая отраженная инерция, риск повреждений при ударах, люфт (кроме гармонических)
• Применение: промышленные манипуляторы, роботы с жестким позиционированием

4. + Электродвигатели с высокой плотностью момента. Принципы работы и строение BLDC и PMSM. Принципы Field Oriented Control (FOC). Inrunners и outrunners. Преимущества и недостатки. Численные метрики плотности тока. Кривая зависимости момент-скорость.

Электродвигатели с высокой плотностью момента. Устройство, управление и характеристики

Ключевая цель: Достижение максимального момента на единицу массы или объема двигателя. Критически важно для мобильных и динамичных роботов, где вес — ключевой ограничивающий фактор.

1. Принципы работы и строение BLDC и PMSM

Оба двигателя относятся к синхронным машинам с постоянными магнитами (PMAC). Ротор с постоянными магнитами вращается синхронно с вращающимся магнитным полем статора.

• BLDC (Brushless DC – Бесколлекторный двигатель постоянного тока):
• Конструкция: Трапецеидальная обратная ЭДС. Обмотки статора часто соединены «звездой». Датчики положения — простые霍尔传感器 (Hall sensors) (3-6 штук), дающие дискретный сигнал (например, каждые 60 электрических градусов).
• Управление: Классическое шестишаговое коммутирование (trapezoidal commutation). Ток протекает только через две из трех фаз в любой момент времени, формируя «трапецевидное» магнитное поле. Проще и дешевле, но создает пульсации момента (torque ripple).
• Визуализация: Ток "переключается" между фазами, как в DC-моторе с коллектором, но переключение электронное.
• PMSM (Permanent Magnet Synchronous Motor – Синхронный двигатель с постоянными магнитами):
• Конструкция: Синусоидальная обратная ЭДС. Обмотки распределены в пазах для получения синусоидального распределения магнитного поля. Датчик положения — энкодер (абсолютный или инкрементальный) или резолвер, дающий точное непрерывное положение.
• Управление: Предназначен для векторного управления (FOC), при котором формируется идеальное вращающееся синусоидальное поле. Ток протекает по всем трем фазам одновременно.
• Ключевое отличие от BLDC: Более сложное, но более точное и эффективное управление. Меньше пульсаций момента, выше КПД на частичных нагрузках, плавность работы на низких скоростях.

Важно: Граница между современными BLDC и PMSM стирается. Часто один и тот же двигатель может управляться как по трапецеидальному, так и по векторному алгоритму в зависимости от контроллера.

2. Принцип Field Oriented Control (FOC – Векторное управление)

• Цель: Декомпозировать ток статора на две независимые компоненты, чтобы управлять магнитным потоком и моментом раздельно (аналогично управлению коллекторным DC-двигателем).
• Принцип:

1. Преобразование координат (Парка-Кларка):

• Измеренные фазные токи (Ia, Ib, Ic) преобразуются в двухкомпонентную систему: стационарную (α, β).
• Затем, с учетом угла положения ротора (θ), они преобразуются во вращающуюся систему координат (d, q), привязанную к ротору.

1. Управление:

• Ток по оси d (Id) создает магнитный поток, идущий вдоль оси магнитов ротора. Обычно его стремятся обнулить, чтобы не размагничивать ротор (для двигателей с поверхностным расположением магнитов).
• Ток по оси q (Iq) создает полезный крутящий момент. Именно эта компонента пропорциональна моменту (M = k_t * Iq).

1. Обратное преобразование: Заданные напряжения по осям d и q преобразуются обратно в трехфазные напряжения, подаваемые на обмотки через ШИМ-инвертор.

• Преимущества FOC: Максимальный КПД, точное управление моментом во всем диапазоне скоростей, плавная работа на низких оборотах, высокая перегрузочная способность

3. Конструктивное исполнение: Inrunners и Outrunners

Inrunner (внутренний ротор):

• Конструкция: ротор с магнитами внутри статора с обмотками.
• Соотношение момент/инерция: низкий момент, низкая инерция ротора; высокие скорости.
• Охлаждение: лучше (статор контактирует с корпусом).
• Механическое исполнение: проще сделать герметичным, нужен отдельный редуктор.
• Применение: традиционные сервоприводы, высокооборотные системы (с редуктором).

Outrunner (внешний ротор):

• Конструкция: статор с обмотками внутри, вращающийся внешний кольцевой ротор с магнитами.
• Соотношение момент/инерция: высокий момент, высокая инерция ротора; низкие/средние скорости.
• Охлаждение: хуже (статор внутри, сложнее отвести тепло).
• Механическое исполнение: часто вентиляторного типа, может использоваться как маховик.
• Применение: прямой привод или QDD, дроны (пропеллер крепится прямо к ротору), колесные хабы.

Вывод: Outrunner часто имеет более высокую плотность момента за счет большего диаметра и, следовательно, большего рычага для магнитных сил. Это делает их предпочтительными для прямых и квази-прямых приводов.

4. Численные метрики плотности тока и нагрузки

• Линейная токовая нагрузка (Current density, J):
• Определение: Средняя плотность тока в проводнике обмотки статора. J = I / A_cu, где I – действующее значение тока, A_cu – площадь поперечного сечения меди в пазу.
• Типичные значения: 5 – 15 A/mm².
• Ограничение: Нагрев. Превышение приводит к перегреву изоляции и разрушению двигателя.
• Удельная электрическая нагрузка (Specific electric loading, A):
• Определение: Суммарный ток на единицу длины окружности статора. A = (m * N * I) / (π * D), где m – число фаз, N – число витков на фазу, I – ток, D – внутренний диаметр статора.
• Смысл: Характеризует магнитную нагрузку машины. Вместе с магнитной индукцией в зазоре определяет электромагнитные усилия.
• Плотность момента (Torque density):
• Объемная: T_v = M / V [Н·м/л] – момент на единицу объема двигателя.
• Массовая: T_m = M / m [Н·м/кг] – момент на единицу массы.
• Для пиковых значений (peak torque density) часто указывают с учетом перегрева за короткое время.

5. Кривая зависимости момент-скорость (Torque-Speed Curve)

Кривая определяет рабочую область двигателя и имеет две характерные зоны:

1. Зона постоянного момента (Constant Torque Region):

• От нулевой скорости до базовой скорости (base speed, ω_b).
• Двигатель может выдавать номинальный (или пиковый) момент (M_nom / M_peak).
• Напряжение на обмотках растет пропорционально скорости, ток ограничен номинальным значением. Управление – FOC с ослаблением поля по оси d еще не требуется.

1. Зона постоянной мощности (Constant Power Region / Field Weakening Region):

• Выше базовой скорости.
• Момент падает гиперболически (M ~ 1/ω). Мощность ~ постоянна.
• Для расширения диапазона скоростей применяют ослабление магнитного поля (flux weakening): вводят отрицательную компоненту тока по оси d, которая противодействует полю магнитов ротора, позволяя увеличить скорость при том же напряжении питания.

Ключевые точки на кривой:

• Срыв (Pull-out torque): Максимальный момент, который двигатель может развить без посинхронизма.
• Номинальная точка (Rated point): Режим длительной (непрерывной) работы без перегрева.
• Пиковый момент (Peak torque): Максимальный момент в течение короткого времени (секунды), ограниченный магнитным насыщением и нагревом.
• Холостой ход (No-load speed, ω_nl): Скорость при нулевом моменте на валу (определяется напряжением питания и конструктивной константой двигателя Kv).

5. + Минимизация инерции звеньев и отраженной инерции приводов для задач обеспечения безопасности контактного человеко-машинного взаимодействия.

Ключевой тезис: Безопасность при физическом контакте человека и робота в первую очередь определяется кинетической энергией системы, которая прямо зависит от масс и инерций. Управление этой энергией — главная задача проектирования.

1. Физическая основа опасности: Кинетическая энергия и импульс силы

• Энергия удара: E_k = (m*v²)/2 + (J*ω²)/2. Высокая энергия приводит к травмам.
• Импульс силы при остановке: F = Δp/Δt = (m*v)/Δt. Чем меньше масса m и скорость v, и чем больше время смягчения удара Δt, тем меньше сила.
• Вывод: Минимизация массы (m) и момента инерции звеньев (J) снижает энергию. Минимизация отраженной инерции привода увеличивает Δt (робот легче "уступает" при контакте).

2. Минимизация инерции звеньев (Ссылок)

Принцип: Снижение массы и оптимизация распределения массы относительно оси вращения.

• Конструктивные методы:

1. Алюминиевые сплавы (например, 7000-й серии), Титан, Магний: Для силового каркаса.
2. Композитные материалы (углепластик): Для оболочек и несиловых элементов. Критично важно для длинных звеньев (например, "предплечья" манипулятора).
3. Топологическая оптимизация и ажурные конструкции: Удаление материала из зон с низкими напряжениями (решетчатые структуры, полости). Производство методами 3D-печати (SLM, SLS).
4. Распределение массы: Смещение центра масс как можно ближе к оси вращения (снижение момента инерции). Вынос тяжелых элементов (двигатели, редукторы) к основанию робота через использование тензорезисторных приводов (Tendon-Driven Actuation).

3. Минимизация отраженной инерции привода

Отраженная инерция (J_reflected) — это инерция ротора мотора и редуктора, "увеличенная" на выходном валу: J_ref = J_rotor * i² + J_gearbox, где i — передаточное число.

• Стратегии снижения:

1. Применение приводов с низким передаточным числом:

• Прямые приводы (Direct Drive): i = 1, J_ref = J_rotor. Идеально по обратимости, но имеют низкую плотность момента.
• Квази-прямые приводы (QDD): i = 3...10. Компромисс: хорошая обратимость при приемлемом моменте.

1. Использование моторов с низкой инерцией ротора (Low-Rotor-Inertia Motors):

• Тонкие длинные роторы ("пустотелые").
• Материалы ротора: использование композитов.

1. Механические развязки:

• Серийные упругие приводы (SEA): Введение преднамеренной пружины между редуктором и звеном. Она механически изолирует высокую отраженную инерцию привода от точки контакта. При ударе сжимается пружина, а не разгоняется маховик ротора.
• Приводы на плоских ремнях: Ремень добавляет податливость и демпфирование.

1. Специальные редукторы: Гармонические редукторы имеют меньшую инерцию по сравнению с планетарными при том же передаточном числе.

4. Критерий безопасности: Обратимость (Backdrivability)

Высокая отраженная инерция делает привод необратимым (жестким). Робот не может "почувствовать" слабый внешний толчок и уступить ему. Минимизация инерции напрямую ведет к повышению обратимости.

• Методы оценки и обеспечения обратимости:
• Соотношение инерций: J_load / J_reflected. Чем это отношение больше (инерция нагрузки доминирует над инерцией привода), тем система обратимее. Для коллаборативных роботов стремятся к J_load / J_reflected > 1.
• Измерение трения покоя: Низкое трение в редукторе (например, в гармоническом или при использовании ременной передачи) — обязательное условие обратимости.
• Прямое измерение момента: Датчики момента в суставах (JTS) позволяют "увидеть" внешнее усилие, даже если привод не идеально обратим, и отреагировать программно.

5. Системные (управленческие) методы обеспечения безопасности

Даже при оптимальной механике требуется поддержка со стороны системы управления.

1. Импедансное управление с низким заданным импедансом:

• Роботу задается не жесткая траектория, а виртуальная упругость и демпфирование.
• При контакте робот "продавливается" по закону пружины-демпфера, безопасно поглощая энергию.
• Важно: Для реализации низкого импеданса необходима физическая обратимость привода. Высокую J_reflected нельзя компенсировать алгоритмом без потери устойчивости.

1. Мониторинг момента/тока и обнаружение коллизий:

• Сравнение ожидаемого момента (по модели) с измеренным (по датчикам момента или току двигателей). Резкое расхождение — сигнал о контакте.
• Реакции: Мгновенная остановка, переход в режим следования за усилием (admittance control), отскок.

6. + Количественные и качественные метрики эффективности роботов. Стоимость перемещения (cost of transport), адаптивность, митигация импакта, геометрическая работы, полоса пропускания.

Введение: Оценка эффективности робототехнической системы требует комплексного подхода, учитывающего физическую производительность, энергоэкономичность, способность к взаимодействию и адаптацию к задачам. Метрики делятся на:

• Количественные (измеряемые): Числовые значения, позволяющие проводить прямое сравнение.
• Качественные (оценочные): Характеристики, описываемые в терминах поведения и возможностей.

1. Количественные метрики (Key Performance Indicators - KPI)

• Стоимость перемещения (Cost of Transport - CoT):
• Определение: Энергетическая "цена" перемещения единицы массы на единицу расстояния. Основная метрика энергоэффективности для мобильных роботов.
• Формула: CoT = E / (m * g * d), где E — затраченная энергия, m — масса робота, g — ускорение свободного падения, d — пройденный путь.
• Интерпретация: Безразмерная величина. Чем ниже CoT, тем эффективнее робот. У биологических систем (человек) CoT ≈ 0.2, у современных квадропедов — 1-3, у колесных роботов < 0.1.
• Полоса пропускания (Control Bandwidth):
• Определение: Диапазон частот, на которых система управления может точно отслеживать задающий сигнал или подавлять возмущения. Ключевая метрика быстродействия и динамических возможностей.
• Как измеряется: По точке спада амплитудно-частотной характеристики (АЧХ) на -3 дБ. Высокая полоса (10-50 Гц и выше) означает способность к быстрым, точным и стабильным движениям, а также к быстрому гашению вибраций.
• Важно: Зависит от инерции, жесткости привода, скорости контроллера. Высокая полоса — обязательное условие для динамической ходьбы, ловли предметов, работы с вибрирующими инструментами.
• Удельная мощность (Power-to-Weight Ratio):
• Определение: Отношение максимальной выходной мощности привода к массе робота или узла. Определяет динамические возможности (максимальное ускорение, высота прыжка).
• Пример: У робота Atlas удельная мощность приводов приближается к показателям спортсмена.
• Механический КПД (Efficiency):
• Определение: Отношение полезной механической работы на выходе к затраченной электрической энергии на входе. Характеризует совершенство силовой цепи (мотор -> редуктор -> звено).
• Точность (Accuracy) и Повторяемость (Repeatability):
• Точность: Максимальная ошибка позиционирования относительно заданной целевой точки.
• Повторяемость: Способность возвращаться в одну и ту же точку при многократных попытках. Для задач сборки критична именно повторяемость (высокая), а не абсолютная точность.

2. Качественные метрики (Behavioral & Operational Metrics)

• Адаптивность (Adaptability):
• Определение: Способность робота успешно выполнять задачи в непредвиденных или изменяющихся условиях без перенастройки человеком.
• Компоненты:

1. Адаптивность к среде: Работа на разных поверхностях (лед, песок, ступени), при разном освещении.
2. Адаптивность к задаче: Способность переучиваться, использовать новые инструменты.
3. Адаптивность к возмущениям: Устойчивость к толчкам, смещениям деталей.

• Оценка: Часто качественная ("робот справился с 8 из 10 непредвиденных помех").
• Смягчение удара (Impact Mitigation):
• Определение: Способность робота безопасно поглощать и рассеивать кинетическую энергию при неожиданных контактах или падениях.
• Механизмы обеспечения:

1. Пассивные: Упругие элементы (SEA), податливые покрытия, механизмы складывания.
2. Активные: Алгоритмы рефлекторного поведения (комплаентного управления), которые при обнаружении удара "расслабляют" приводы или перенаправляют энергию.

• Оценка: Максимальная сила удара, регистрируемая на манекене при коллизии, или способность продолжать работу после падения.
• Эффективность работы (Work Efficiency) / Геометрический коэффициент полезного действия:
• Определение (в механике): Отношение полезной механической работы, совершенной над внешним объектом, к общим энергозатратам. В робототехнике также рассматривают эффективность использования рабочего пространства.
• Геометрический аспект: Отношение объема полезного рабочего пространства (где робот может приложить требуемое усилие в нужном направлении) к общему объему, ометаемому роботом. Характеризует рациональность кинематической схемы.
• Универсальность (Versatility):
• Определение: Широта спектра различных задач, которые робот может выполнять, возможно, со сменой инструментов или перепрограммированием. Противоположность специализации.
• Примеры: Промышленный манипулятор универсальнее сварочного робота, а антропоморфный робот потенциально универсальнее манипулятора.
• Автономность (Autonomy):
• Определение: Способность выполнять задачи в реальных условиях без вмешательства человека. Измеряется как среднее время работы между необходимыми вмешательствами человека (MTBI) или уровнем автономности (по шкале, аналогичной беспилотным автомобилям).