机械臂轨迹规划：五次非均匀B样条的工程实践

1. 机械臂轨迹规划的痛点与挑战

机械臂轨迹规划这个活，干过的工程师都懂——既要像德芙巧克力广告那样丝滑，又要达到微米级的精准度，这难度不亚于让大象跳芭蕾。我经手过几十套六轴机械臂系统，从汽车焊装线到半导体晶圆搬运，最头疼的就是这个"既要又要"的难题。

为什么轨迹规划这么难？核心矛盾在于三个维度的拉扯：

• 运动平滑性：避免速度、加速度突变导致的机械振动
• 路径精度：末端执行器必须严格通过预设路径点
• 实时性能：在线计算不能拖累控制周期

传统三次样条曲线在简单场景还能应付，但遇到下面这些情况就原形毕露：

1. 路径点间距差异大时出现"过冲"现象
2. 加速度不连续导致电机扭矩突变
3. 多轴联动时各关节运动不协调

去年我给某光伏电池生产线做升级，机械臂在硅片抓取工位总是微振动。用高速摄像机慢放才发现，问题出在转接点的加速度跳变——虽然位移误差只有0.1mm，但瞬间的扭矩波动足以引发整个机构的谐振。

2. 五次非均匀B样条（NUBUS）的破局之道

2.1 为什么是五次？为什么非均匀？

常规三次样条只能保证C²连续（加速度连续），而机械臂关节力矩直接与加加速度（jerk）相关。五次样条的C⁴连续性意味着：

• 位移、速度、加速度、加加速度、加加加速度全部连续
• 扭矩变化率平滑，电机不会"抽风"

非均匀的特性更符合实际工况：

python复制# 均匀参数化 vs 非均匀参数化对比
uniform_knots = [0, 1, 2, 3, 4, 5]  # 等间距
nonuniform_knots = [0, 0.3, 1.2, 3, 4.5, 5]  # 按路径点密度调整

当路径点密集区域（如拐角处）分配更多参数区间时，算法会自动提高该段的控制精度。这就像老司机过弯时会自然放慢速度，而不是死守固定车速。

2.2 NUBUS的数学内核解析

B样条的核心在于基函数递推：

code复制N_{i,0}(u) = 1   if u_i ≤ u < u_{i+1}
             0   otherwise
N_{i,p}(u) = (u-u_i)/(u_{i+p}-u_i) * N_{i,p-1}(u) 
             + (u_{i+p+1}-u)/(u_{i+p+1}-u