سینماتیک معکوس در بازوهای رباتیک: حل های تحلیلی در برابر عددی، ژاکوبین و تکینگی ها

سینماتیک معکوس یکی از مسائل بنیادین در کنترل بازوهای رباتیک است؛ مسئله ای که در آن با دانستن موقعیت و جهت گیری مطلوب مجری نهایی، باید زوایای مفاصل بازو محاسبه شود. برخلاف سینماتیک مستقیم که همواره یک جواب یکتا دارد، سینماتیک معکوس ممکن است چند جواب، بی نهایت جواب یا هیچ جوابی نداشته باشد؛ زیرا نگاشت فضای مفصلی به فضای دکارتی غیرخطی است و محدودیت های مفصلی، مرزهای فضای کاری و پیکربندی های تکین بر آن اثر می گذارند.

در حل تحلیلی یا فرم بسته، زوایای مفاصل به صورت معادلات صریح مثلثاتی و هندسی از روی موقعیت هدف به دست می آیند. این روش سریع، دقیق و قطعی است و برای بازوهای ساده یا دارای ساختار هندسی خاص — مانند بازوی دولینکی صفحه ای یا بازوهایی با محورهای مچ متقاطع — بسیار کارآمد است. اما استخراج این معادلات برای بازوهای پیچیده دشوار است و این روش نزدیک تکینگی ها از کار می افتد.

روش های عددی، راه حلی عمومی تر ارائه می دهند: از یک حدس اولیه شروع می شود و خطای موقعیت مجری نهایی به صورت تکراری کاهش می یابد تا به دقت مطلوب برسیم. ماتریس ژاکوبین در این جا نقشی کلیدی دارد؛ زیرا سرعت های مفصلی را به سرعت مجری نهایی پیوند می دهد. روش هایی چون نیوتن–رافسون، شبه معکوس مور–پنروز، حداقل مربعات میرا و نزول مختصات چرخه ای از پرکاربردترین حل کننده های عددی اند؛ هرچند به حدس اولیه حساس اند و همگرایی آن ها تضمین شده نیست.

تکینگی هنگامی رخ می دهد که ژاکوبین رتبه کامل خود را از دست بدهد؛ یعنی محورهای مفصلی هم راستا شوند و بازو یک درجه آزادی را از دست بدهد. در این حالت، سرعت های مفصلی برای حرکتی کوچک به مقادیر بسیار بزرگ میل می کنند و رفتار ربات پیش بینی ناپذیر می شود. روش حداقل مربعات میرا با افزودن یک عامل میرایی، پایداری حل را در نزدیکی تکینگی ها بهبود می دهد.

کاربرد سینماتیک معکوس در صنعت گسترده است: برداشت و جایگذاری قطعات در خط مونتاژ، جوشکاری، رنگ آمیزی، جراحی رباتیک و بسته بندی. انتخاب روش حل مناسب — تحلیلی برای سرعت و قطعیت، یا عددی برای انعطاف پذیری — مستقیما بر دقت، سرعت و ایمنی ربات اثر می گذارد.

Inverse Kinematics of Robotic Arms: Analytical vs Numerical Solutions, Jacobian, and Singularities

Inverse kinematics (IK) is one of the fundamental problems in robotic arm control: given a desired position and orientation of the end-effector, the joint angles required to achieve it must be computed. Unlike forward kinematics, which always yields a unique solution, inverse kinematics may have multiple solutions, infinitely many solutions, or no solution at all, because the joint-to-Cartesian mapping is nonlinear and is affected by joint limits and singular configurations.

In the analytical, or closed-form, solution, joint angles are derived as explicit trigonometric and geometric equations from the target pose. This method is fast, accurate, and deterministic, and it works very efficiently for simple arms or those with exploitable geometric structure, such as a planar two-link arm or arms with intersecting wrist axes. However, deriving them for complex arms is difficult, and the method also fails near singularities.

Numerical methods offer a more general solution: they start from an initial guess and iteratively reduce the end-effector error until the desired accuracy is reached. The Jacobian matrix plays a key role, relating joint velocities to end-effector velocities. Newton–Raphson, the Moore–Penrose pseudoinverse, damped least squares (DLS), and cyclic coordinate descent (CCD) are the most widely used numerical solvers, particularly suitable for redundant and complex arms — although they are sensitive to the initial guess and their convergence is not guaranteed.

A singularity occurs when the Jacobian loses full rank, meaning the joint axes align and the arm loses a degree of freedom. In this state, joint velocities grow extremely large for a small end-effector motion, and the robot's behaviour becomes unpredictable. Damped least squares improves the stability of the solution near singularities by adding a damping factor.

Inverse kinematics is widely used in industry: pick-and-place on assembly lines, welding, painting, robotic surgery, and packaging. Choosing the right solution method — analytical for speed and determinism, or numerical for flexibility — directly affects the robot's accuracy, speed, and safety.

کلیدواژه ها: سینماتیک معکوس، بازوی رباتیک، ماتریس ژاکوبین، تکینگی، پارامترهای دناویت–هارتنبرگ

Keywords: Inverse kinematics, robotic arm, Jacobian matrix, singularity, Denavit–Hartenberg parameters

منابع / Sources:

1. Robotics Unveiled — Inverse Kinematics: Analytic and Numerical Approaches. https://www.roboticsunveiled.com/robotics-inverse-kinematics/

2. OSREC.003: Inverse Kinematics — Analytical Solutions, Numerical Solvers, Pseudoinverses, and Convergence. https://bitcoinversus.tech/2026/10/05/osrec-003-inverse-kinematics-analytical-solutions-numerical-solvers-pseudoinverses-convergence/

3. MTSU Pressbooks — Inverse Kinematics and Jacobian for Serial Manipulators. https://mtsu.pressbooks.pub/robotics/?p=30

4. Automatic Addison — Denavit-Hartenberg Parameters and Pick-and-Place Programming. https://automaticaddison.com/tag/manipulator/page/17/

5. TrueGeometry Blog — Methods for Solving Inverse Kinematics. https://blog.truegeometry.com/api/exploreHTML/219fbb18a05f9ca0a7ef84aa110f633a.exploreHTML