1. 机械臂示教编程的核心价值
机械臂的示教编程就像教小朋友写字——先手把手带他写一遍，然后他就能自己照着写了。这种录制-复现的工作模式在工业领域已经应用了数十年，但传统方式往往需要昂贵的专用设备。现在借助Python和开源SDK，我们完全可以用普通电脑实现这个功能。
我最近用松灵PIPER机械臂做了个实验：录制一个倒咖啡的动作轨迹。手动操作时难免抖动，但通过程序复现时，机械臂每次都能以完全相同的路径完成动作，精度达到±0.5mm。这种人机协作的模式特别适合：
- 需要频繁调整动作路径的实验室场景
- 小批量多样化的生产任务
- 危险环境下的远程操作预演
2. 环境搭建的避坑指南
2.1 硬件准备要点
第一次使用时，我在机械臂初始化环节就栽了跟头。这里分享几个血泪经验：
- 空间安全：机械臂活动半径要预留1.5倍空间。有次测试时碰到墙壁，导致轨迹数据出现异常跳动
- 供电质量：建议使用稳压电源。普通USB供电可能导致CAN通信丢包
- 地面防滑：最好固定在金属台面上。有次录制时底座滑动，导致后续播放全部偏移
2.2 软件环境配置
推荐使用Ubuntu 20.04 LTS版本，避免最新版系统的驱动兼容问题。安装依赖时要注意：
# 必须安装的CAN工具链 sudo apt install can-utils net-tools # Python环境建议用miniconda管理 conda create -n piper python=3.8安装SDK时有个隐藏坑点：官方仓库有多个分支，必须使用带API的版本：
git clone -b 1_0_0_beta https://github.com/agilexrobotics/piper_sdk.git cd piper_sdk pip install -e . # 开发模式安装便于调试3. 轨迹录制的技术细节
3.1 数据采集原理
机械臂的每个关节都装有高精度编码器，SDK通过CAN总线以100Hz频率采集这些数据。核心代码逻辑是这样的：
def get_pos(): joint_state = piper.get_joint_states()[0] # 获取6个关节角度(弧度) if have_gripper: return joint_state + (piper.get_gripper_states()[0][0],) return joint_state这里有个优化技巧：只记录位置变化时的数据。实测可以减少70%的冗余数据：
if current_pos != last_pos: # 只在位置变化时记录 wait_time = round(time.time() - last_time, 4) csv.write(f"{wait_time}," + ",".join(map(str, current_pos)) + "\n")3.2 示教模式切换
机械臂有两种控制模式：
- 示教模式（模式2）：可手动拖动，电机处于低阻抗状态
- CAN控制模式（模式1）：通过程序指令控制
切换时要特别注意安全：
while interface.GetArmStatus().arm_status.ctrl_mode != 2: if time.time() > over_time: print("ERROR: 示教模式切换超时") exit() time.sleep(0.01)4. 轨迹复现的进阶技巧
4.1 运动参数调优
播放程序支持速度调节，但要注意机械限制：
move_spd_rate_ctrl = 80 # 建议70-90之间 play_speed = 1.5 # 时间倍速，>1加速，<1减速实测发现，当速度超过90%时，末端会出现约2mm的跟随误差。对于精密操作，建议：
- 保持速度≤80%
- 关键点位前后设置0.2秒停顿
- 使用五次多项式插值优化轨迹
4.2 多轨迹编排
通过修改播放逻辑，可以实现复杂工作流：
trajectories = ["pour.csv", "stir.csv", "pour.csv"] for traj in trajectories: with open(traj) as f: track = list(csv.reader(f)) for pos in track: piper.move_j(pos[1:-1], move_spd_rate_ctrl) time.sleep(float(pos[0])/play_speed)5. 工业级应用方案
5.1 误差补偿机制
长期使用后会出现机械磨损，可以加入补偿算法：
# 读取校准文件 with open('calibration.json') as f: offset = json.load(f) def compensated_move(target): adjusted = [t + o for t,o in zip(target, offset)] piper.move_j(adjusted, move_spd_rate_ctrl)5.2 远程监控系统
结合ROS可以实现远程控制：
import rospy from sensor_msgs.msg import JointState def callback(data): piper.move_j(data.position[:6], 50) rospy.Subscriber("/joint_command", JointState, callback)6. 开发经验分享
调试时建议先用仿真环境。我推荐使用PyBullet：
import pybullet as p p.connect(p.GUI) arm = p.loadURDF("piper.urdf") # 可视化轨迹点 for pos in trajectory: p.addUserDebugLine(prev_pos, pos, [1,0,0])遇到CAN通信问题时，先用candump检查原始数据：
candump can0 -tz # 带时间戳显示
