القائمة
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/MIUAV/vibe-coding-ros2 --skill manipulatorيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | manipulator |
| description | 机械臂控制与运动规划 - 逆运动学、轨迹规划、力控、抓取 |
| argument-hint | 机械臂控制 OR 逆运动学 OR 轨迹规划 OR 抓取 |
| user-invocable | true |
用于开发机械臂的运动控制、轨迹规划和抓取系统
当需要以下帮助时使用此技能：
| 类型 | DOF | 典型用途 |
|---|---|---|
| 3-DOF | 基本定位 | 点对点搬运 |
| 4-DOF | 增加姿态 | 门把手操作 |
| 5-DOF | 完整操作 | 抓取+放置 |
| 6-DOF | 完整姿态 | 复杂装配 |
| 7-DOF | 冗余关节 | 避障+灵巧 |
def inverse_kinematics(target_pose):
"""6轴机械臂逆运动学"""
# 输入: 目标末端位姿 (位置 + 四元数)
# 输出: 6个关节角度
# 1. 计算腕部位置
wrist_pos = target_pos - d6 * target_rot[:, 2]
# 2. 计算肩部角度
theta1 = atan2(wrist_pos[1], wrist_pos[0])
# 3. 计算肘部角度
# ... (省略具体公式)
# 4. 计算腕部角度
# ...
return [theta1, theta2, theta3, theta4, theta5, theta6]
def ik_numeric(link_lengths, target_pose, initial_guess=None):
"""数值迭代法 IK"""
if initial_guess is None:
joints = [0] * len(link_lengths)
for i in range(MAX_ITERATIONS):
# 正运动学计算当前末端
current_pose = forward_kinematics(joints, link_lengths)
# 计算误差
error = target_pose - current_pose
# 雅可比矩阵逆
J = jacobian(joints, link_lengths)
delta = pinv(J) @ error
# 更新关节
joints += delta * learning_rate
if norm(error) < TOLERANCE:
return joints
return None # 无解
def plan_joint_trajectory(start, end, duration, waypoints=50):
"""关节空间五次多项式插值"""
t = linspace(0, duration, waypoints)
# 五次多项式系数
q_t = []
for ti in t:
# 计算各关节位置、速度、加速度
qi = quintic_interpolation(start, end, ti, duration)
q_t.append(qi)
return q_t
def plan_cartesian_trajectory(path_points, max_velocity, max_accel):
"""笛卡尔空间直线/圆弧插补"""
# 1. 速度规划
velocity_profile = compute_velocity_profile(
path_points, max_velocity, max_accel)
# 2. 时间参数化
trajectory = []
for i, (pos, vel) in enumerate(zip(path_points, velocity_profile)):
timestamp = compute_time(vel)
trajectory.append((timestamp, pos, vel))
return trajectory
class ImpedanceController:
def __init__(self, M, B, K):
self.M = M # 目标惯性矩阵
self.B = B # 阻尼矩阵
self.K = K # 刚度矩阵
def compute_force(self, error, error_dot, measured_force):
# 阻抗方程: M*acc + B*vel + K*pos = F
desired_force = self.K @ error + self.B @ error_dot
# 叠加环境力
total_force = desired_force - measured_force
return total_force
def force_control(desired_force, measured_force):
# 简单力跟踪
error = desired_force - measured_force
# PID 控制
force_output = Kp * error + Ki * integral(error) + Kd * derivative(error)
return force_output
hand_eye_calibration:
method: "Tsai" # 或 "Park"
transformations:
base_to_eye: T_base_eye # 相机到基座
tool_to_marker: T_tool_mk # 标定板到末端
calibration_motion:
- type: joint_motion
joint_poses: 10 # 标定姿态数
def detect_and_locate(object_class):
# 1. 检测目标
bbox = yolo_detect(image, object_class)
# 2. 深度信息
depth = realsense.get_depth(bbox.center)
# 3. 相机坐标转基座坐标
point_cam = [bbox.center.x, bbox.center.y, depth]
point_base = transform(point_cam, T_base_eye)
return point_base
def compute_grasp_points(object_mesh, gripper_width):
"""计算抓取候选点"""
# 1. 分割对象
parts = segment_mesh(object_mesh)
# 2. 计算对称轴
axis = compute_symmetry_axis(parts)
# 3. 搜索抓取点
candidates = []
for approach_angle in range(0, 360, 15):
for width in [0.5 * gripper_width, gripper_width]:
grasp = compute_grasp(parts, approach_angle, width)
if is_valid_grasp(grasp):
candidates.append(grasp)
return candidates
| 包 | 功能 |
|---|---|
moveit2 | 运动规划 |
ros2_control | 硬件控制 |
manipulator_kinematics | 运动学求解 |
vision_msgs | 视觉消息 |