当前位置: 首页 > news >正文

具身智能中的传感器技术15.1——关节位置传感器技术1.1

机器人关节编码器选型指南:分辨率、精度和重复精度是核心指标。光编码器精度高(±20-80角秒),抗电磁干扰强,但成本高且体积大;磁编码器体积小、成本低、耐高速,但精度较差(±0.1-1度),需校准补偿。高速电机端宜选磁编,低速输出端追求性能选光编,追求性价比可选磁编配合算法补偿。选型需根据应用场景平衡精度、成本和可靠性。

关节位置传感器(编码器)的性能直接决定了机器人的定位精度(能不能指哪打哪)和动态性能(动作流不流畅)。

在选型时,无论是磁编还是光编,我们都需要关注以下几个核心技术指标。其中,分辨率精度重复精度是最容易混淆但最重要的“三剑客”。


一、 核心技术指标解析

1. 分辨率 (Resolution) —— “切蛋糕的刀数”
  • 定义:编码器转一圈(360°)能输出多少个独立的脉冲信号。
  • 单位:位 (bit)或 PPR (Pulse Per Revolution)。
    • 17 bit= 217217 = 131,072 个刻度。
    • 20 bit= 220220 ≈ 100万 个刻度。
  • 具身智能需求:
    • ≥ 17 bit (磁编):用于灵巧手或低成本关节。
    • ≥ 19-24 bit (光编):用于大关节输出端。
  • 深度解析:分辨率高不代表精度高,它只代表**“理论上能分辨的最小角度”。就像一把尺子刻度画得再密(分辨率高),如果尺子本身是弯的(精度低),测出来还是不准。但在控制算法中,高分辨率能显著降低速度计算的噪声**,让电机低速转动更平滑。
2. 精度 (Accuracy) —— “尺子直不直”
  • 定义:编码器读出来的角度与物理真实角度之间的最大误差。
  • 单位:角秒 (Arcsec, ")或 度 (°)。
    • 1° = 3600"
  • 典型值:
    • 光编:±20" ~ ±60"(极准)。
    • 磁编:±0.5° ~ ±1°(较差,通常需要标定补偿后才能用)。
  • 深度解析:这是磁编和光编的鸿沟。磁编受磁铁安装偏心、磁场非线性的影响,原始精度很差,必须靠芯片内部的 LUT(查找表)进行校准。而光编依靠物理刻线,天生就准。
3. 重复精度 (Repeatability) —— “每次是否一样”
  • 定义:多次转到同一个物理位置,读数是否一致。
  • 指标:通常比精度好一个数量级。
  • 深度解析:机器人最看重这个。绝对精度差一点没关系(可以通过算法补偿),但如果重复精度差(今天走到这也是 0 度,明天走到这变成 0.1 度),机器人就会发抖。
4. 最大转速 (Max Speed) —— “能跑多快”
  • 定义:编码器能正常工作的最高转速。
  • 限制因素:
    • 机械限制:轴承能转多快。
    • 电气限制:芯片的处理速度(采样率)。转太快了芯片来不及数脉冲,位置就丢了。
  • 对比:磁编通常比光编能承受更高的转速(可达 10,000 RPM+),适合放在电机高速端。
5. 通信协议 (Interface) —— “怎么说话”
  • 增量式 (ABZ):输出脉冲波形。断电后位置丢失,开机要回零。
    • 具身智能不用这个(除了低端狗)。
  • 绝对值 (Absolute):输出数字信号(SPI, SSI, BiSS-C, RS485)。断电重启知道自己在哪。
    • 具身智能标配

二、 磁编码器 vs 光编码器:参数大乱斗

指标维度磁编码器 (Magnetic)光编码器 (Optical)解析/胜出者
分辨率12 - 18 bit (主流)<br>最高可达 21 bit (TMR)16 - 24 bit (主流)<br>最高可达 30+ bit光编胜。<br>虽然 TMR 磁编正在追赶,但光编依然是精度的天花板。
系统精度±0.1° ~ ±1°<br>(取决于标定)±0.005° ~ ±0.02°<br>(±20" ~ ±80")光编完胜。<br>这是物理原理决定的,光波长比磁场分布精细得多。
抗干扰差 (怕强磁)<br>需磁屏蔽设计强 (不怕磁)<br>怕灰尘/油污光编胜电磁,磁编胜环境。<br>在电机内部,光编优势大(不怕磁);在恶劣户外,磁编优势大(不怕脏)。
安装公差敏感 (对同心度/气隙要求高)极敏感 (对码盘安装要求极高)磁编略好。<br>虽然都难装,但磁编允许的气隙(0.5mm-3mm)比光编大,且不用担心码盘碎裂。
体积/厚度极小 (芯片级)较大 (需光路空间)磁编完胜。<br>灵巧手关节只能用磁编。
成本低 (几十元 RMB)高 (几百~上千 RMB)磁编完胜。<br>这是为什么宇树 H1 等机器人大量使用双磁编方案的原因。

三、 总结:具身智能的选型策略

  1. 电机端 (高速端):首选磁编码器
    • 原因:转速快、震动大、空间小、温度高。磁编耐造,且分辨率对于 FOC 换向来说足够了。
  2. 减速器输出端 (低速端):
    • 方案 A (追求极致性能):高精度光编码器(如 19-20 bit)。
      • 用于:Tesla Optimus, 波士顿动力 Atlas。保证指哪打哪。
    • 方案 B (追求性价比/耐造):离轴/中空磁编码器
      • 用于:Unitree H1, 小米 CyberOne。虽然精度差一点,但便宜且不容易坏。通过算法标定(Calibration)可以把误差压到可接受范围。
http://www.jsqmd.com/news/610785/

相关文章:

  • django基于机器学习的电商评论情感分析_6z73z1t1_zh014
  • Hunyuan-MT-7B多场景:Pixel Language Portal在国际艺术展览多语导览内容生成系统
  • UE+Airsim(Win11)+gazebo+PX4(WSL)配置——持续更新中
  • 网络入侵检测实战:基于LeNet-5的全流程实现(第四篇:工程化应用案例(真实落地场景))
  • Apache DolphinScheduler 工作流传参实战:从本地变量到上下游联动,一篇讲透
  • ExplorerPatcher:Windows 11终极定制工具完整指南
  • 保姆级教程:用IGH EtherCAT库控制雷赛伺服电机(PV模式,附完整C代码)
  • 基于单片机的远程智能晾衣架
  • 揭秘.NET 9低代码编译管道:如何将Blazor + Source Generators响应式编译速度提升5.8倍?
  • Cesium地图边界线绘制实战:从阿里DataV获取完美边界数据的3种方法
  • 数据团队该醒醒了:AI智能体不是你的下一个仪表盘概
  • OpenClaw网关高级配置:Qwen3-32B镜像的负载均衡与超时优化
  • 专门设计用于对RAG(检索增强生成)系统进行自动化、对抗性数据提取攻击的安全测试工具
  • Qwen3-TTS-Tokenizer-12Hz应用落地:车载语音系统低延迟token流式传输方案
  • OpenClaw故障排查大全:Qwen3-4B模型连接失败解决方案
  • 【PHP内核级异步优化白皮书】:基于Zend VM 4.9重构的I/O等待消除策略
  • 智能体构建:智能体落地80/20法则:20%模型调用,80%系统工程与策略博弈.139
  • OpenClaw开源生态:Qwen3-14B支持的10个高星技能实测
  • PADS Layout老手才知道的BOM导出技巧:用这个中文插件,3分钟搞定物料清单
  • ⚖️Lychee-Rerank快速部署:开箱即用的Streamlit Web界面本地启动教程
  • Anaconda环境管理实战:如何把GitHub上的thop包手动‘塞’进你的虚拟环境?
  • RockyLinux 8.6安装与Linux核心命令掌握(2/2)
  • BMK52M134电容触摸模块嵌入式驱动与I²C集成实战
  • OpenClaw隐私保护方案:Qwen3-14b_int4_awq本地处理敏感数据
  • 避坑指南:解决OpenHarmony 4.0浏览器应用部署中的三大常见问题(签名、预装、SDK)
  • OpenClaw备份恢复:Qwen3-32B私有镜像的配置迁移与灾难恢复
  • 血氧饱和度监测仪设计(有完整资料)
  • 51、Move方式创建线程---------多线程
  • 植物人工培育环境控制系统
  • Java AI - LangChain4j完整指南:核心组件解析+Ollama/百炼集成+实战案例 【含代码解析及代码仓库】