先展示成果，这是我的毕业论文第五章部分，做的是一个采摘机器人的运动学分析，需要完成的内容包括机器人的正逆运动学计算，以及工作空间对果实密集区域的覆盖范围验证。
下面是自己摸索完成的过程
自己提前先建好模型，把标准DH法的坐标系按要求建立，计算出DH参数表的每一项信息。
然后使用GPT5.4模型，把我要完成的第五章大纲和相关运动学分析的参考论文发给它，问他可以使用什么软件完成，需要下载哪些插件，以及明确自己的知识水平和会使用哪些相关软件。
我按照它的说明安装了matlab和Symbolic Math Toolbox组件，然后新建一个脚本（才知道matlab可以用脚本，上课老师没教呀），输入了它给的计算代码，发现居然一次性就算出了结果，令我大为震撼。
也可能是因为6自由度的机器人运动学分析本身就比较大众，所以一次性把所有相邻的坐标系表换矩阵、总变换矩阵以及总变换矩阵里每个元素的表达式都算出来了
再让它写一个脚本，输入量是每个关节的角度，q = [0 0 0 0 0 0]ᵀ（全零点姿态），输出是P和R（也就是总变换矩阵的位置和姿态矩阵），计算同样是一次成功，和我用模型验算的一样，证明运动学模型建立和正运动学分析部分没有问题
逆运动学就不细讲了，比较复杂，总之也是写几个脚本，用末端的位姿和DH参数表，反推出每个关节的角度表达式，先用几组角度数据先正运动学计算一遍，再把结果放到逆运动学里计算，如果最后得出的多组解里有一组是正运动学时的原始数据，就意味着逆运动学计算也没问题。这一章的公式部分到这基本就写完了。
下一部分是蒙特卡洛法求解工作空间，以正运动学的公式为基础，在关节角度允许的范围内，均匀随机采样30000次，将结果绘制成一张三位点云图，同时得到xyz三个方向的极限值。
最后是用简单的几何模型给果树和该侧的果实密集区域也表示出来，果树和果实密集区域的参数从参考论文中获得，将详细的参数都发给AI，继续用代码建模，改了几个版本后基本符合参数要求了，就把工作空间的点云图和果树放到同一个空间里，观察并计算工作空间对果实密集区域的覆盖率。
我这里做了三个图，XOY截面和XOZ截面的平面示意图和三维的实际验证图
整个第五章内容用了126轮对话完成（从下载matlab到完成第五章总共加起来花了20小时左右），大部分情况是我在问AI公式是怎么推导的，以及发现计算结果和我预想的不一样，在排查是哪里的数据错了。
中间重做了两次，一次是正运动学的全零点姿态算错，原因是我把DH参数里的连杆长度 a_i 当成了实际长度，导致原本为0的 a_4 和 a_6 多出了值被代入计算；另一次是计算时用到的DH关节角 θ_i 和我定义的关节角 q_i 有一个角度差，我最初以为两个是同一个值，导致没有做转换就拿去计算。
整个过程中，每完成一节，就让AI把对应的论文正文写出来，自己理解一遍原理和逻辑确定没问题后，复制去WPS里改成学校要求的格式。
另外感谢白羽佬的格式转换软件，复制公式很方便。
【开源自荐】不乱码！一键粘贴AI回答的Markdown到Word/Excel
- 开发调优 - LINUX DO
10 个帖子 - 7 位参与者