Part 2: Hardware · The robot's body
Chapter 5
执行器 - 机器人的肌肉和关节
上一章讲的传感器解决了“看到”的问题。但光看不动是没用的 - 你还需要让机器人动起来。
你的身体之所以能动，是因为 600 多块肌肉在收缩和舒张，带动骨骼绕关节旋转。机器人用电机（motor）代替肌肉，用连杆（link）代替骨骼，用机械关节代替生物关节。电机旋转 → 关节运动 → 末端执行器（手/夹爪）到达目标位置。
对软件开发者来说，执行器是“你发出一条指令之后，真正让事情在物理世界发生的东西”。你写了一行 move_joint(angle=30) - 从这行代码到机器人手臂真的转了 30 度之间，发生的一切都是执行器层面的事。你不需要设计电机，但你得理解它的能力边界，才能写出靠谱的控制代码。
电机 - 你的代码能”要求”什么样的运动？
你写了一行 move_joint(angle=30, velocity=1.0) - 电机类型决定了这行代码执行时的真实物理行为：它能转多快？能输出多大力？被外力推动时你能不能感知到？
伺服电机（Servo Motor） 是机器人关节的主力。它自带编码器（encoder），形成闭环控制 - 你说转 30 度，它转到 30 度后会自己保持住。对开发者来说，这意味着你发位置指令就行，电机自己搞定”怎么到达”的问题。大部分工业机械臂（UR、FANUC）和人形机器人（宇树 G1、Fourier GR-1）都用伺服电机。你打交道最多的就是这种。
步进电机（Stepper Motor） 每收到一个脉冲信号转一小步（比如 1.8 度），没有反馈回路。好处是控制逻辑简单 - 发 100 个脉冲就转 180 度，跟数数一样。坑在于：高速时电机可能跟不上脉冲频率，丢步了你不知道 - 你以为转了 180 度，实际上只到了 170 度，而且没有编码器告诉你出错了。3D 打印机和 CNC 用步进电机，机器人关节很少用。
直驱电机（Direct Drive Motor） 不经过减速器，轴直接连关节。对开发者最重要的特性是 backdrivability（反向可驱动性）：有人推机器人的手臂时，电机能立刻感受到外力，你的代码可以读取这个力反馈。这对力控和安全的人机交互至关重要。代价是扭矩小 - 没有减速器放大力矩，同样大小的电机能举起的东西少得多。
减速器 - 你的精度天花板在这里
你的 IK 求解器算出了完美的关节角度，控制器精确地把指令发给了电机 - 但夹爪到达的位置偏了 1.7 毫米。Bug 在哪？不在你的代码里。
这 1.7 毫米来自减速器的回差（backlash） - 齿轮之间总有微小间隙，关节正转和反转时会”空走”一小段。一个关节 0.1 度的回差，经过 1 米长的臂展放大，末端就偏了 1.7 毫米。你的算法再精确也吃不掉这个物理误差。对于精密装配来说，这可能就是”插得进去”和”插不进去”的区别。
回差的大小取决于减速器类型。大部分电机的原始输出是”转速高、扭矩小”，减速器把转速换成力矩 - 像自行车的低速档，慢但有劲。
谐波减速器（Harmonic Drive） 是机器人关节的主流选择。减速比大（通常 50:1 到 160:1），回差极小，结构紧凑。缺点是贵、寿命有限（柔轮会疲劳磨损）。几乎所有工业机械臂和人形机器人手臂都在用。日本的 Harmonic Drive Systems 长期垄断高端市场，国内的绿的谐波在追赶。
行星减速器（Planetary Gearbox） 承载能力强，效率高，但回差比谐波大。适合负载大、精度要求相对低的场景，比如移动底盘的驱动轮。
自由度（DoF） - 一个系统能在多少个方向上动
自由度（Degrees of Freedom，DoF） 是描述机器人灵活程度的核心指标。一个关节能在几个方向上独立运动，就贡献几个自由度。
直觉建立：
- 一扇门的合页：1 DoF（只能开/关）
- 你的手腕：大约 3 DoF（上下弯、左右弯、旋转）
- 你的整条手臂（肩 + 肘 + 腕）：7 DoF
- 宇树 G1 人形机器人全身：23-43 DoF（取决于配置）
6 DoF 是一个关键数字 - 在三维空间中，要让一个物体到达任意位置 [x, y, z] 和任意朝向 [roll, pitch, yaw]，至少需要 6 个自由度。这就是为什么大部分工业机械臂是 6 轴的。
7 DoF 的手臂（比如 KUKA iiwa、Franka Emika Panda）多出来的那一个自由度叫“冗余自由度”。它让手臂在到达同一个目标位姿时有多种关节构型可选 - 就像你伸手拿桌上的杯子，你的肘关节可以抬高也可以放低，手还是能到同一个位置。这个冗余度对避障非常有用 - 手臂可以“绕过”障碍物到达目标。
DoF 越多越灵活，但控制复杂度也急剧上升。一个 7 DoF 手臂的逆运动学就已经需要优化求解了（无穷多解中选最优的），一个 43 DoF 的人形机器人全身运动规划至今没有真正实时的通用解决方案。
末端执行器 - 机器人的”手”
手臂规划了完美的轨迹、精确到达了目标位置 - 但如果”手”拿不住东西，一切白费。选什么手，完全取决于你要抓什么。
标准纸箱、玻璃板、金属片 → 用吸盘（Suction Gripper）。真空吸附，速度快、成功率高。Amazon 仓库的分拣机器人大量使用。限制是多孔物体（布料）吸不住，不规则表面密封不了。
瓶瓶罐罐、规则零件 → 用平行夹爪（Parallel Gripper）。两根手指平行开合，控制简单（就一个 open/close），夹持力大，可靠。Robotiq 2F-85 是工业里用得最多的。大概能覆盖 70% 的工业抓取场景。
食品、农产品 → 考虑软体夹爪（Soft Gripper）。柔性材料自适应物体形状，不会捏坏水果。代价是控制精度有限，夹持力不大。
拧瓶盖、翻书页、打结 → 理论上需要灵巧手（Dexterous Hand）。LEAP Hand、Shadow Hand、Ability Hand 是比较知名的，一只手可能有 16-20 个 DoF。控制难度是平行夹爪的一百倍，目前大部分还在研究阶段。
很多团队的务实做法是装一个快换接口（tool changer），根据任务切换不同的末端执行器 - 不追求一只手解决所有问题。
从仿真到真机：执行器让你的代码”说谎”
仿真里你发 move_joint(angle=30)，关节精确地到了 30 度。真机上同样的指令，可能到了 29.8 度，可能到了 30 度但在晃，可能到了一半电机就过热降速了。以下是最常见的几种”说谎”方式：
电机过热降速。 你的程序让机器人手臂伸直举着东西 - 仿真里可以举到天荒地老，真机上电机持续大力矩输出会过热。伺服电机的过热保护会自动降功率甚至停转。你的 demo 跑到一半机器人手臂突然”软”了，大概率是这个原因。
回差晃动。 手臂到达目标位置后松开力矩，关节会有微小的”晃动” - 这就是减速器回差的实际表现。做插入操作（peg-in-hole）时，这个晃动可能是反复失败的原因。解决方案通常是在接近目标时切换到力控模式，用力反馈来”挤”到位。
关节撞限位。 每个关节都有物理旋转范围。IK 求解器给出一个超出范围的解，执行时关节会撞到机械限位块 - 那个”咔”的声音就是硬件在骂你。这件事在仿真里通常只是一个 warning，在真机上可能是一次维修。
负载变了，一切都变了。 仿真里调好了一套运动参数，真机上把夹爪里的物体从一瓶水换成一箱水，速度、加速度、停止距离全部失效。电机需要的力矩变了，惯量变了，刹车距离变了。
这些问题有一个共同的根源：仿真器按你说的做，真机按物理定律做。 缩小这个差距 - 或者说让你的算法 robust 到能容忍这个差距 - 是 sim-to-real 迁移最核心的工程挑战之一。