机器人运动学基础：从位姿描述到四元数应用

1. 具身智能中的刚体运动学基础

在机器人学和具身智能领域，刚体运动学是连接感知与行动的关键数学桥梁。与数字世界以Token为信息单元不同，物理世界的信息原子是位姿(Pose)。想象一下，如果你无法精确描述机械臂末端的位置和朝向，就像盲人试图穿针引线——所有高级规划都将沦为纸上谈兵。

1.1 位姿：物理世界的信息原子

位姿由位置(Position)和姿态(Orientation)两部分构成，完整描述了一个刚体在三维空间中的状态。这种描述方式如此基础，以至于它出现在从工业机械臂到自动驾驶汽车的各个领域：

• 位置分量：用三维坐标(x,y,z)表示，相当于告诉你"机器人的手在桌子左上角30厘米处"
• 姿态分量：描述物体的朝向，类似于说明"手掌心朝下，手指指向正前方"

实际工程中常见误区：许多初学者会混淆局部坐标系和全局坐标系的位姿描述。务必明确标注参考坐标系，如$^WP$表示世界坐标系下的点P。

1.2 刚体假设的工程意义

刚体假设（任意两点距离保持不变）是运动学分析的基石。这个看似简单的假设带来了巨大便利：

1. 计算简化：无需追踪物体上每个粒子的运动
2. 控制可行：通过有限参数（6-DOF）即可完全描述物体状态
3. 硬件设计依据：机械结构需要保证足够的刚度来满足刚体假设

在机械臂设计中，工程师会通过有限元分析验证结构刚度。我曾参与一个SCARA机器人项目，当末端负载超过设计值时，柔性变形会导致实际位姿与模型预测出现毫米级偏差——这正是刚体假设被破坏的典型案例。

2. 坐标系变换与旋转矩阵

2.1 多坐标系协同的必然性

任何实用的机器人系统都涉及多个坐标系的协同：

坐标变换的核心任务是将点P从坐标系{B}表示转换为{W}表示，数学表达为：
$$^WP = ^WR_B \cdot ^BP + ^WT_B$$

2.2