DOF（自由度）

在人工智能与机器人领域，DOF 是 Degrees of Freedom（自由度） 的缩写。这是一个描述系统运动能力的核心概念。

一、刚体运动的自由度

从力学角度看，任何不受约束的刚体在三维空间中都拥有 6 个 DOF：

• 3 个平移自由度：沿 X、Y、Z 轴的直线运动

• 3 个旋转自由度：绕 X、Y、Z 轴的转动（滚转、俯仰、偏航）

如果一个刚体只能在平面内运动，则只有 3 个 DOF（2 个平移 + 1 个旋转）。

二、机器人的自由度

机器人的自由度，是指其所有独立驱动的关节能产生的独立运动数量。多数情况下，一个关节提供一个 DOF，但存在特例：

串联机器人（如典型六轴机械臂）的总 DOF 通常等于关节数；并联机器人（如 Stewart 平台）则需用 Grübler-Kutzbach 准则计算，其 DOF 往往远少于关节数。

典型实例：

• 工业六轴机械臂：6 DOF。它能以任意姿态到达其工作空间内的任意一点，即末端执行器拥有全位姿能力（3 平移 + 3 旋转）。

• 人形机器人：全身可达 30~60+ DOF。例如双腿通常各 6 DOF（髋 3、膝 1、踝 2），双臂各 7 DOF（肩 3、肘 1、腕 3），再加上头、腰、手部等。

• 差分驱动机器人底盘：2 DOF（平面移动的 X 平移与 Yaw 旋转），无法侧移，因此是典型的非完整约束系统。

三、DOF 的工程意义

1，任务能力：机器人的 DOF 数必须 ≥ 任务所需的最小 DOF。例如，在三维空间进行任意抓取，机械臂至少需要 6 个 DOF。

2，冗余度：若总 DOF > 任务所需 DOF，则为冗余机器人（如 7 轴机械臂）。冗余特性可用来在完成主任务的同时，避开关节限位、躲避障碍物或优化力/力矩分配。

3，欠驱动系统：若独立驱动器数量 < DOF，则为欠驱动系统。人形机器人的行走、灵巧手抓取往往依赖欠驱动或被动自由度，借助动力学与接触约束实现高效运动。

4，状态空间维度：在运动规划、强化学习与控制中，DOF 直接决定了状态空间的大小，即状态向量 q ∈ ℝⁿ 的维度 n。高 DOF 意味着维数灾难，对实时规划与学习算法提出极大挑战。

四、在 AI 时代的新视角

随着 VLA（视觉-语言-动作）大模型和端到端仿真的兴起，DOF 不再仅是运动学的静态属性：

• 模型必须从高维观测中直接输出每个 DOF 的连续控制指令（转矩、位置或速度目标）；

• 对具身智能体，“动作空间”的维度就等于被控机器人的有效 DOF 数，这直接影响模型输出头的设计、训练难度与 Sim-to-Real 的迁移复杂度。