想象一下，你是舞台边的一位编舞师。你要让舞者的手从腰间优雅地举到头顶，但这只是“空间目标”。真正难的是如何指挥身体：先转肩膀还是先抬肘？肩膀转多少度、手腕弯多少度？你可以直接告诉舞者“关节该怎么动”，也可以只在她面前画一条手要经过的弧线，让她自己用身体去贴合。这两种指挥方式，正是机器人轨迹规划中关节空间与笛卡尔空间的两套思路。本文用“编舞”贯穿始终：让机械臂像舞者一样，从起点姿态顺畅、安全地过渡到终点姿态。你会看到如何用插值控制角度变化、如何规划末端走直线或圆弧、如何在最短时间内完成动作、又如何让多段动作平滑衔接——最终理解一条工程上真正可执行的轨迹是怎样设计出来的。

岗位关联

轨迹规划是机械臂从“能动”走向“动得好”的必修课。掌握关节空间与笛卡尔空间两套方法论，你能为工业机器人设计出安全、高效、可落地的运动方案，这是机器人应用工程师的核心技能之一。

目录
  1. 可视化演示
  2. 轨迹规划概述
  3. 关节空间插值
  4. 笛卡尔空间插值
  5. 时间最优轨迹
  6. 平滑过渡技术
  7. 工程应用要点
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示关节空间多轴S曲线插值、笛卡尔空间末端执行器直线圆弧路径规划、位置-速度-加速度平滑过渡与混合，交互切换核心环节。

本节配有交互动效（进入视口后自动加载，约 3KB）。

关节空间轨迹规划 各关节角度θ(t)独立插值，使用S曲线实现平滑启停 4个关节同时运动到目标角度，无奇点风险计算简单 θ_i(t) = θ_start + (θ_end - θ_start) × S(t) 关节空间规划避免逆运动学求解适合点到点运动

轨迹规划概述

编舞师站在舞台边，思考怎样让舞者的手从腰间举到头顶。她可以在脑海里画出一条空中的弧线——这是“空间路线”，但它并不等于舞者身体的真实指令。真正落地的是：肩膀转多少度、肘部弯多少度、手腕在什么时刻翻转。机器人也是这样：给机械臂一个目标位置，相当于导演画出空间路线；告诉每个关节转动的目标角度，则相当于舞者的身体指令。

轨迹规划的任务，就是在已知起点、终点和过程约束的条件下，生成一条“关节角度随时间变化”的曲线。这条曲线记为 $q(t)$，其中 $q$ 是关节向量，$t$ 是时间。规划结果的质量，体现在轨迹是否平滑、是否满足速度与加速度上限、是否会触碰机械限位。生产中常用的评价指标包括：是否无碰撞、是否在奇异点附近、总运动时间是否可接受。

从坐标系来看，规划可分为两个流派。关节空间规划直接对每个关节角度做插值，计算简单、不易遇到奇异点，但末端走出的路径往往不是直线；笛卡尔空间规划则针对末端执行器的位置与姿态做插值，视觉直观、能严格约束末端路径，但需要在每个时刻通过逆运动学换算回关节角度。

所以，轨迹规划本质上就是“选函数、定系数”。舞者的手怎么从 A 点移到 B 点，取决于导演选的是简洁匀速的动作、还是更细腻的变速动作。选好函数形式之后，再用起止条件把系数一个个解出来。

q(t)=∑k=0naktk\displaystyle q(t) = \sum_{k=0}^{n} a_k t^k
任意一段关节轨迹都可以看成零次到 n 次幂项的叠加，通过选择不同的系数 $a_k$，就能拟合出不同形状的动作曲线。
  1. 关节轨迹$q(t)$ 表示某个关节角度随时间的函数，它是机器人控制器的执行指令。
    q(t)q(t)
  2. 零次项$a_0$ 是 $t=0$ 时的初始角度，由起点边界条件确定。
    a0=q(0)a_0 = q(0)
  3. 幂次项$a_k t^k$ 中每一个幂次项共同塑造轨迹曲线，低阶项决定整体走势，高阶项决定曲线细节。
    aktka_k t^k
  4. 阶数选择$n=3$ 是三次多项式，$n=5$ 是五次多项式；阶数越高，可满足的边界条件越丰富。
    n=3或n=5n = 3 \quad \text{或} \quad n = 5

关节空间插值

排练厅里，导演对着舞者喊：“肩膀转 30 度，肘再弯 60 度！”这种直接给关节下指令的方式，就是关节空间插值的真实手感。机器人的每个关节都由电机驱动，如果直接对关节角度随时间做插值，控制回路最容易实现，也最稳定。

最经典的是三次多项式插值。假设某个关节的起始角度为 $q_0$，目标角度为 $q_f$，运动周期为 $T$。我们希望轨迹满足：起始、终止角度分别对齐，且起始、终止速度都为 0（避免启动和停止时的冲击）。这恰好是 4 个条件，可以唯一确定三次多项式中的 4 个未知系数。

三次多项式能保证位置和速度连续，但加速度在起止时刻会发生跳变。若希望加速度也连续，工程上会升级到五次多项式。五次多项式有 6 个未知系数，除位置、速度外还能同时约束起止加速度，机械臂动作会更柔和。不过阶数越高，系数计算越复杂，也更容易引入数值误差。一般工程上优先用三次，要求高柔顺性时用五次。

编舞师回头看自己排的动作：三次多项式有点像“匀速抬手、轻轻停住”的基础动作；五次多项式则是“起手慢、中间快、收手柔”的细腻处理。关节空间插值的关键，就是选对花样的阶数，并确保每个关节都别超速。

\displaystyle q(t)=a_0+a_1t+a_2t^2+a_3t^3,\qquadq(0)=q_0,\quad q(T)=q_f,\quad \dot{q}(0)=0,\quad \dot{q}(T)=0
三次多项式有 4 个待定系数，4 条边界条件刚好能唯一解出它们，所以它是关节空间插值里“刚刚好”的经典工具。
  1. 三次多项式形式选择 $q(t)=a_0+a_1t+a_2t^2+a_3t^3$ 作为关节轨迹的假设形式，未知数是 4 个系数。
    q(t)=a0+a1t+a2t2+a3t3q(t)=a_0+a_1t+a_2t^2+a_3t^3
  2. 起点对齐条件$q(0)=q_0$ 保证动作开始时关节正好在起始角度，不会一开始就跳变。
    q(0)=q0q(0)=q_0
  3. 终点与静止条件$q(T)=q_f$ 和 $\dot{q}(T)=0$ 保证结束时停在目标角度，同时速度归零。
    q(T)=qf,q˙(T)=0q(T)=q_f,\qquad \dot{q}(T)=0
  4. 系数求解结果联立边界条件解得二次、三次项系数，这两个系数决定了整段曲线的加速与减速特征。
    a2=3(qf−q0)T2,a3=−2(qf−q0)T3a_2=\frac{3(q_f-q_0)}{T^2},\qquad a_3=-\frac{2(q_f-q_0)}{T^3}

笛卡尔空间插值

导演改主意了：她要求舞者的手指尖必须沿一条笔直的线，从裙边抬到眉心。因为舞台灯光打下来，观众会看到指尖划过的光影，任何弧线都会破坏效果。这就是笛卡尔空间规划的场景：末端执行器必须走精确的直线、圆弧或其他几何路径。

笛卡尔空间直线插值的公式很直观：已知起点位置 $p_0$ 和终点位置 $p_f$，让末端位置 $p(t)$ 在 $T$ 秒内从起点匀速滑向终点。这个公式描述的是末端位置，真正执行时还要把每个时刻的 $p(t)$ 通过逆运动学换算为关节角度。

圆弧插值是直线插值的孪生兄弟。当末端需要绕一个圆弧过渡时，可以先通过空间中不共线的三个点求出圆心与半径，再将角度匀速插值，即每次只更新角度参数，位置由圆心和半径重新合成。工程上常把圆弧插值用于机械臂转弯处，实现“直—弧—直”的连续路径。笛卡尔空间规划看似优雅，却有一个代价：末端走直线时，关节角往往呈复杂的非线性变化，甚至可能经过奇异点，因此必须配合运动学检查来使用。

导演手在空中画直线，舞者用身体去够——这就是笛卡尔空间规划的本质：目标很明确，但身体（关节）怎么扭，要额外费心去解算，而且还要随时提防动作变形或失控。

p(t)=p0+tT (pf−p0),0≤t≤T\displaystyle p(t) = p_0 + \frac{t}{T}\,(p_f - p_0),\qquad 0 \le t \le T
这相当于在起点和终点之间拉了一根绷紧的线，末端执行器像珠子一样沿着这根线匀速滑动。
  1. 起点位置$p_0$ 是末端执行器在笛卡尔空间中的起始坐标。
    p0p_0
  2. 位移向量$p_f - p_0$ 表示从起点指向终点的总位移，方向和长度确定了路径走向。
    pf−p0p_f - p_0
  3. 时间比例$\frac{t}{T}$ 是归一化时间，从 0 逐渐变到 1，表示运动完成的进度。
    tT\frac{t}{T}
  4. 直线特性将时间比例乘上位移向量，再叠加起点，就得到当前位置；因为进度线性增长，所以位置沿直线运动。
    p0+tT(pf−p0)p_0+\frac{t}{T}(p_f-p_0)

时间最优轨迹

排练的时间总是紧张的。导演想：能不能让这段动作用最短时间完成？但舞者的肌肉力量和柔韧性有限，动作太快容易拉伤。在机器人世界里同样如此：电机有峰值扭矩，机械结构有加速度极限，盲目提速只会让轨迹失控。

时间最优轨迹规划，就是在满足速度与加速度约束的前提下，寻找最短运动周期。它的数学表达是一个简单的优化问题：目标是最小化总时间 $T$，约束条件则包括关节速度不超过上限 $v_{\max}$、关节加速度不超过上限 $a_{\max}$。

具体求解时，最常见的是梯形速度剖面：加速段以最大加速度提高速度，中间保持最高速度匀速运动，末尾以最大加速度减速。这个“先冲、再稳、后收”的过程，正是约束边界内的最短时间方案。若距离较短，加速段还没到最高速度就必须减速，速度剖面会退化成三角形。

时间最优不是“越猛越好”，而是“在安全边界上踩满油门”。像驾驶手动挡汽车，老司机总是用最大加速度起步，再匀速巡航，最后精准刹车——这就是时间最优的驾驶哲学。

min⁡T  Ts.t.∣q˙(t)∣≤vmax⁡,∣q¨(t)∣≤amax⁡\displaystyle \min_{T}\; T \quad \text{s.t.}\quad |\dot{q}(t)| \le v_{\max},\quad |\ddot{q}(t)| \le a_{\max}
这个公式说得很直白：别想一步到位，要在“速度不超限、加速度不超限”的框框里，把时间压到最短。
  1. 优化目标$\min_{T} T$ 表示寻找使运动总时间最短的时间参数 $T$。
    min⁡T  T\min_{T}\; T
  2. 速度约束$|\dot{q}(t)| \le v_{\max}$ 保证任何时刻关节转速都不超过电机安全范围。
    ∣q˙(t)∣≤vmax⁡|\dot{q}(t)| \le v_{\max}
  3. 加速度约束$|\ddot{q}(t)| \le a_{\max}$ 限制关节的加加速度来源，防止驱动力矩超限或机械冲击。
    ∣q¨(t)∣≤amax⁡|\ddot{q}(t)| \le a_{\max}

平滑过渡技术

舞蹈中最难的不是单个动作，而是动作与动作之间的衔接。导演发现，舞者从第一个造型切换到第二个造型时，如果速度骤然归零再重新启动，画面会显得僵硬、顿挫。好的编舞会把这些停顿改成一段平滑的过渡动作，让能量流动起来。

机械臂的多段轨迹拼接也面临同样问题。如果前一段轨迹结束时速度为 1 m/s，后一段轨迹开始时速度变成 0，那么连接点处就出现了速度突变，理论上对应无穷大的加速度，会给机械结构带来冲击。解决办法是在拐点前提前减速，用一段平滑的过渡曲线替代速度跳变。这里最经典的是梯形速度剖面，它让速度在加速、匀速、减速三段之间都保持连续。

除了梯形速度剖面，工程上还常用圆弧过渡来平滑空间路径的拐角：在两条直线段之间插入一段与两边相切的圆弧，机械臂走到拐角前就沿圆弧平滑转向，而不是急停急转。这种方法的优点是不改变路径的主体直线段，只局部替换拐角，非常适合焊接、喷涂这类对路径形状有严格要求的任务。

编舞师的过渡动作让舞蹈行云流水，机械臂的平滑过渡则让产线运转行云流水。平滑过渡技术的核心，不是取消拐弯，而是让每一段速度都“接得上、续得住”。

q˙(t)={amax⁡t,0≤t≤tavmax⁡,ta<t≤T−tavmax⁡−amax⁡(t−(T−ta)),T−ta<t≤T\displaystyle \dot{q}(t) =\begin{cases}a_{\max}t, & 0 \le t \le t_a \\[4pt]v_{\max}, & t_a < t \le T - t_a \\[4pt]v_{\max} - a_{\max}\big(t - (T - t_a)\big), & T - t_a < t \le T\end{cases}
速度曲线从一个斜坡平滑地过渡到水平线，再平滑地落到零，所有连接处速度都是连续的，这就是平滑过渡的“秘密”。
  1. 加速段$0 \le t \le t_a$ 阶段，速度从 0 线性增长，斜率就是最大加速度 $a_{\max}$。
    q˙(t)=amax⁡t\dot{q}(t)=a_{\max}t
  2. 匀速段$t_a < t \le T-t_a$ 阶段，速度稳定在 $v_{\max}$，让运动在安全速度下快速推进。
    q˙(t)=vmax⁡\dot{q}(t)=v_{\max}
  3. 减速段$T-t_a < t \le T$ 阶段，速度以 $a_{\max}$ 的斜率线性减小，最终回到 0。
    q˙(t)=vmax⁡−amax⁡(t−(T−ta))\dot{q}(t)=v_{\max}-a_{\max}\big(t-(T-t_a)\big)
  4. 连续性意义三段时间的端点处速度都恰好相等，因此速度曲线处处连续，避免了冲击。
    lim⁡t→ta−q˙(t)=lim⁡t→ta+q˙(t)\lim_{t\to t_a^-}\dot{q}(t) = \lim_{t\to t_a^+}\dot{q}(t)

工程应用要点

舞台布景总有一些危险的边缘：再往前一步舞者就会掉下台。导演会在彩排时反复确认这些边界，让舞者绕开它们。机械臂的世界里也有这样的“危险边缘”，那就是奇异点。

奇异点对应机械臂雅可比矩阵的行列式趋于 0 的位型。在奇异点附近，末端执行器在某个方向上几乎无法移动，关节速度却会剧烈飙升，可能触发过速报警甚至损坏设备。因此在笛卡尔空间规划时，必须在规划阶段检查整条路径上的雅可比行列式。

除了奇异点检查，工程落地还要走“先仿真、后部署”的流程。离线仿真平台上先导入机器人模型、工件和障碍物，运行全部规划轨迹，检查碰撞、超限和奇异点；确认无误后再把轨迹下载到真实控制器执行。这样做能显著降低现场调试风险。

好的导演会在彩排时踩遍每一寸舞台，好的机器人工程师也会在仿真里走完每一个轨迹点。规划得再漂亮，也要经过仿真验证、部署调优，才能真正服务于生产——这也正是轨迹规划从理论走向工程价值的最后一步。

det⁡(J(q))≈0\displaystyle \det\big(J(q)\big) \approx 0
这句话是奇异点的判据：当雅可比矩阵的行列式接近 0，说明机械臂在某个方向失去了运动能力，需要主动规避。
  1. 雅可比矩阵$J(q)$ 把关节速度映射为末端速度，是连接关节空间与笛卡尔空间的桥梁。
    J(q)J(q)
  2. 行列式条件$\det(J)$ 的值反映了速度映射的稳定性，接近 0 表示映射退化。
    det⁡(J(q))\det\big(J(q)\big)
  3. 奇异位型$\det(J) \approx 0$ 时机械臂处于奇异位型，末端在某个方向的运动速度会趋于无穷。
    det⁡(J(q))≈0\det\big(J(q)\big) \approx 0

AI 应用场景

车身焊接轨迹规划

阶段：运动规划阶段

解决的问题：传统焊接依赖人工示教，操作员需要逐点记录焊枪位姿，工序繁琐且轨迹质量依赖个人经验；同时焊缝是直线和圆弧，人手工走的轨迹往往不够均匀，容易出现焊接缺陷。

具体案例：在某汽车焊装车间，工程师用离线规划软件导入车身模型与焊缝路径，利用笛卡尔空间直线插值保证焊枪沿焊缝匀速移动，在拐角处用圆弧过渡实现平滑转场，再叠加时间最优的速度剖面缩短节拍。整条轨迹先在高保真仿真环境里验证奇异点和碰撞，再下发到机器人控制器，焊接合格率从 92% 提升到 99%。

电子装配取放动作优化

阶段：轨迹生成与执行阶段

解决的问题：贴片机取放元件的动作频率极高，如果每次都简单用关节空间三次多项式插值，末端轨迹会在空中画出不必要的弧线，既浪费时间又可能碰到相邻元件；而且托盘与电路板之间的空间非常狭窄。

具体案例：某贴片机项目将取放轨迹拆成“垂直抬升—水平快速转移—垂直下降”三段，水平段使用关节空间插值配合时间最优梯形速度剖面，垂直段使用笛卡尔直线插值保证元件精确入位。整体节拍从 0.9 秒缩短到 0.6 秒，同时通过五次多项式平滑过渡消除了高速启停的振动，元件掉落率下降 40%。

手术辅助机械臂安全路径

阶段：安全约束规划阶段

解决的问题：手术空间狭小，机械臂末端既要在关键部位精确操作，又要避开骨骼、血管等障碍；关节空间规划虽然计算快，但末端路径不可控，笛卡尔空间规划又可能在奇异点附近出现关节速度暴增，两者都需要精细约束。

具体案例：某骨科手术机器人系统在术前用 CT 数据重建病灶区域，规划出末端直线穿刺路径，并在路径曲率大的拐角处插入平滑过渡段；同时实时监测雅可比行列式，一旦接近奇异阈值立即切换备选轨迹。整套方案经过上千例仿真验证后进入临床试验，显著减少了手术中的机械臂急停现象。

Python 演示

python31 行
import numpy as np class CubicTrajectory:    def __init__(self, q0, qf, v0, vf, T):        h = qf - q0        t2 = T * T        t3 = t2 * T        # solve the 4 coefficients of a cubic polynomial        a2 = (3.0 * h - vf * T - 2.0 * v0 * T) / t2        a3 = (v0 * T + vf * T - 2.0 * h) / t3        self.coeffs = (q0, v0, a2, a3)        self.period = T     def position(self, t):        q0, v0, a2, a3 = self.coeffs        return q0 + v0 * t + a2 * t * t + a3 * t * t * t     def velocity(self, t):        _, v0, a2, a3 = self.coeffs        return v0 + 2.0 * a2 * t + 3.0 * a3 * t * t     def acceleration(self, t):        _, _, a2, a3 = self.coeffs        return 2.0 * a2 + 6.0 * a3 * t if __name__ == "__main__":    q0 = np.array([0.2, 1.3, 0.8])    qf = np.array([1.0, 0.6, 1.5])    traj = CubicTrajectory(q0, qf, np.zeros(3), np.zeros(3), T=2.0)    for t in [0.0, 0.5, 1.0, 1.5, 2.0]:        print("t=%.1f  q=%s  v=%s" % (t, np.round(traj.position(t), 3), np.round(traj.velocity(t), 3)))
目的：实现关节空间三次多项式插值，给定三关节的起始角度、目标角度和运动周期，计算整段轨迹上任意时刻的位置、速度与加速度。
  1. h = qf - q0先算出每个关节需要转动的总角度，这是系数推导的核心中间量。
  2. a2 = (3.0 * h - vf * T - 2.0 * v0 * T) / t2根据边界条件求出二次项系数，决定中段的加速度强度。
  3. a3 = (v0 * T + vf * T - 2.0 * h) / t3求出三次项系数，与二次项配合保证终点速度和角度都严格对齐。
  4. self.coeffs = (q0, v0, a2, a3)把 4 个系数打包保存，后续采样时直接使用。
  5. def position(self, t)按多项式计算某个时刻的关节角度，这是控制器下发位置指令的依据。
  6. def velocity(self, t)对多项式求导得到速度，用于判断是否超过电机的速度上限。
  7. traj = CubicTrajectory(q0, qf, np.zeros(3), np.zeros(3), T=2.0)实例化三关节轨迹，起始和终止速度都设为 0，周期 2 秒。

常见误区

误区我以为在关节空间里让所有关节均匀转动，机械臂末端走出的路径自然就是两点之间的直线。

正解关节空间插值只保证每个关节角度单调变化，末端路径由正运动学叠加决定，通常是弯曲的弧线。若任务要求末端走直线，必须改用笛卡尔空间直线插值。类比：导演告诉舞者“肩膀和肘同时匀速转动”，舞者指尖在空中画出的往往是一道弧线，而不是直线。

为何常见：人很容易把“角度均匀变化”的直觉等同于“空间直线运动”，却忽略了正运动学中角度的非线性映射。

误区只要末端路径在笛卡尔空间里画得漂亮，关节就一定能顺利执行，不必检查限位和奇异点。

正解笛卡尔空间只约束末端位姿，关节角度必须通过逆运动学实时求解，沿途可能出现关节超限、奇异位型和碰撞。规划阶段必须把逆解、雅可比行列式和碰撞检测一并纳入检查。就像导演只关注手势造型，却忘了舞者的腰根本转不过去。

为何常见：笛卡尔坐标比关节角度更直观，容易让人误以为末端轨迹安全就代表整个机械臂安全。

误区时间最优轨迹规划就是把加速度拉到最大，电机越用力，到达越快，何乐而不为？

正解时间最优必须在速度、加速度（有时还有 jerk）约束下求最小时间。盲目拉满加速度会超过电机峰值扭矩，导致末端振动甚至控制器报警。梯形速度剖面正是用最大可行加速度加速、再匀速、再减速的典型最优方案。

为何常见：生活经验里“快”往往意味着“更用力”，容易忽略机器人是受物理极限约束的机电系统。

误区三次不够顺滑，那我就用七次、九次多项式，阶数越高应该越完美。

正解高次多项式确实能匹配更多边界条件，但也会引入不必要的中间波动和数值敏感。实际工程中常用三次或五次多项式，并通过分段拼接来平衡平滑度与稳定性，而不是无脑堆阶数。

为何常见：许多教程只强调“高次能约束更多条件”，却没有说明高次振荡和数值病态问题，容易误导初学者。

误区轨迹拼接点只要位置不跳变，就算平滑了，机械臂动作就不会顿挫。

正解真正的平滑还要求速度连续，甚至加速度连续。位置连续只代表不跳变，速度突变意味着无穷大加速度冲击。梯形速度剖面和圆弧过渡都是为了消除速度跳变，让运动更柔和。

为何常见：初学者最先关注的是“手到没到位”，容易忽视速度、加速度这些更高阶的运动连续性指标。

面试题

Q1. 关节空间轨迹规划的直接输入是什么？

单选题 · easy

  • A.末端执行器的位置序列
  • B.各关节角度随时间的变化← 正确答案
  • C.机械臂的雅可比矩阵
  • D.机器人末端的速度场

答案：B。关节空间轨迹规划以每个关节的角度为规划对象，输出是 q(t)，因此输入是关节角度随时间的变化。末端位置序列、雅可比矩阵和末端速度场虽然都出现在运动学计算中，但它们不是关节空间轨迹规划的输入。

Q2. 三次多项式插值的主要用途是什么？

单选题 · easy

  • A.在两点角度间生成连续轨迹← 正确答案
  • B.计算机械臂的末端速度
  • C.求解机器人奇异位型
  • D.提高机械臂的负载能力

答案：A。三次多项式插值用 4 个边界条件确定 4 个系数，生成从起始角度到目标角度的连续光滑轨迹。它不负责求速度映射、求奇异点，也与负载能力无关。类比：三次多项式是导演给舞者写好的“基础动作过渡脚本”。

Q3. 笛卡尔空间直线插值规划的轨迹特点是？

单选题 · mid

  • A.所有关节角度均线性变化
  • B.末端位置沿直线匀速移动← 正确答案
  • C.末端加速度恒等于零
  • D.关节速度保持恒定

答案：B。笛卡尔空间直线插值中，末端位置 p(t) 按时间比例在 p0 与 pf 之间线性变化，因此末端沿直线匀速移动。但关节角度要经过逆运动学换算，通常不是线性变化，关节速度也不会恒定。

Q4. 时间最优轨迹规划关注的核心目标是什么？

单选题 · mid

  • A.机器人能耗最小化
  • B.完成两点运动时间最短← 正确答案
  • C.末端轨迹路径长度最短
  • D.末端轨迹绝对平滑

答案：B。时间最优规划是在速度和加速度约束下，找到最短运动时间。路径最短不一定时间最短，因为加速能力有限；能耗和平滑也不是时间最优的直接目标。就像赶时间开车，选择一个绕远的高速路往往比拥挤的短路更快。

Q5. 关节空间插值有哪些优点？

多选题 · mid

  • A.计算简单可靠← 正确答案
  • B.不易遇到奇异点← 正确答案
  • C.轨迹一定走直线
  • D.利于实时控制← 正确答案

答案：ABD。关节空间插值直接对角度做多项式拟合，计算代价小、可靠性高，也方便实时控制；由于关节角度连续变化，通常不会在路径中遇到奇异点。但末端路径并不保证是直线，所以 C 错误。

Q6. 在梯形速度剖面中，若两点距离过短，会发生什么？

单选题 · mid

  • A.速度曲线变为三角形← 正确答案
  • B.加速度必须反向
  • C.匀速段时间变为正
  • D.轨迹末端出现超调

答案：A。当距离不足以让速度加速到 v_max 再减速时，加速段一结束就必须立刻进入减速段，匀速段长度变成 0，速度剖面从梯形退化为三角形。这是梯形速度规划中典型的临界情况。

Q7. 末端在笛卡尔空间走直线时，关节空间中的轨迹通常是什么形态？

单选题 · hard

  • A.一条标准直线
  • B.复杂的非线性曲线← 正确答案
  • C.恒定的角速度曲线
  • D.完全不变的关节角

答案：B。末端位置线性变化时，关节角度需要通过逆运动学逐点求解，往往呈复杂的非线性曲线，甚至可能经过奇异点。因此笛卡尔空间规划后必须检查关节轨迹的连续性和奇异点，而不能默认“直线末端一定安全”。

Q8. 平滑过渡技术需要保证哪些连续性条件？

多选题 · hard

  • A.位置连续← 正确答案
  • B.速度连续← 正确答案
  • C.加速度连续← 正确答案
  • D.电流连续

答案：ABC。位置连续保证轨迹不跳变，速度连续避免冲击，加速度连续提升柔顺性。电流连续属于电机电气层面，不属于运动学轨迹规划的连续性范畴。就像舞蹈动作要位置对、速度顺、力度柔，而不是看心跳。

Q9. 当机械臂处于奇异位型时，雅可比矩阵的什么特征明显？

单选题 · easy

  • A.任意元素都为零
  • B.行列式的值接近零← 正确答案
  • C.秩恒等于关节数
  • D.特征值都等于一

答案：B。奇异位型的判据是 det(J(q)) ≈ 0，此时末端在某些方向失去运动能力，关节速度可能急剧变大。雅可比矩阵的元素不一定为零，秩会下降而非保持满秩，特征值也没有固定的“都等于一”的规律。

Q10. 多段轨迹拼接时，若每段都用三次多项式且只约束位置与速度，拼接点可能出现什么情况？

多选题 · extreme

  • A.位置连续且速度连续← 正确答案
  • B.位置发生跳变
  • C.加速度发生跳变← 正确答案
  • D.速度发生跳变

答案：AC。三次多项式在段内约束了位置和速度，所以拼接点处位置和速度都连续，B 和 D 不会出现。但由于没有约束加速度边界，段间加速度一般会跳变，可能产生冲击。五次多项式增加加速度约束后才能真正实现平滑过渡。