在人类骨骼中，肩膀、肘部、膝盖这些位置就是“关节”。对于机器人而言，每一个关节模组，实际上就是一个具备自驱能力、姿态感知、精密输出的高集成部件，通常由驱动控制电 + 编码器 + 无框电机 + 减速器 + 力矩传感器(可选) + 输出法兰组成。本编旋转关节以智元灵犀X1的R86-2为例进行介绍，使旋转关节更具象化。

典型的人形机器人旋转关节一般由以下结构组成，以灵犀X1 R86-2为列：

在一个高度集成的旋转关节模组中，驱动控制电路是整个关节的“大脑与神经中枢”，它连接着电源、主控、编码器、电机与传感器，是实现关节精密运动控制的核心模块，主要有以下几个功能：

在机器人关节控制中，所谓“三环控制”指的是由电流环（力矩）、速度环和位置环三层嵌套的伺服控制结构。 就像人类运动系统一样：

◽  电流环好比肌肉的收缩力度（决定施力）；

◽  速度环是动作的快慢（调节力量变化率）；

◽  位置环则是最终关节要达到的位置目标。

驱动控制电路内部一般集成了一个高性能微控制器（MCU）或FPGA，执行电机的控制逻辑，通常包括：

在机器人关节控制系统中，位置环-速度环-电流环（合称“三环控制”）是实现精准伺服控制的标准框架。根据控制器部署位置不同，三环控制系统大致可分为以下三种典型形式：

在智元灵犀开源代码agibot_x1_infer中可以看出：其采用的是分布式控制，即上位机负责位置环和速度环，驱动器本地实现电流环闭环。

机器人关节驱动板（即底层的actuator/驱动器）主要实现了电流环（力矩/电流控制），而三环（位置-速度-电流）中的速度环和位置环控制逻辑并未在驱动板内实现，而是在上位机（DCU）侧完成。

在人形机器人中，将位置环与速度环放在上位机或 DCU 中，是为了实现全身行为的一体化规划与动态协调；而关节驱动器只保留快速执行所需的电流环控制，以获得高速、稳定、精确的响应能力。这种“全局规划 + 局部伺服执行”的模式，正是近年来像 Figure 01、Unitree H1、Digit、傅利叶 GR-1 等人形机器人广泛采用的控制趋势。

在人形机器人关节模组中，驱动控制板（Drive Controller）是传感信息的融合处理器，对编码器和力矩传感器的数据进行采集，然后上传给上位机DCU等，在现代高性能机器人（尤其是人形机器人）的主流方案：

◽  采集本关节的编码器数据和力矩传感器数据。

◽  通过总线（如CAN、EtherCAT等）上传这些数据给上位机（DCU）。

◽  接收上位机（DCU）下发的期望参数（位置、速度、力矩、Kp、Kd）。

◽  在本地只实现电流环（力矩环）控制，确保电机电流/力矩能快速准确跟随上位机指令。

◽  驱动器收到这些参数后，只做底层电流环控制，让电机电流/力矩快速跟随上位机的期望值。刚度Kp、阻尼Kd等参数，通常用于实现“软硬切换”或阻抗控制，驱动器只是按上位机要求执行，不做高层决策。

驱动控制电路直接连接直流母线（如48V或24V），因此必须具备：

◽  过流保护

◽  过温保护

◽  欠压/过压保护

◽  电源软启动

◽  霍尔/电流传感器接口

部分设计会加入MOS/IGBT控制模块与散热片，支持峰值几十安培的输出电流，保证快速响应同时不损坏器件。

无框电机是一种特殊的无刷电机（BLDC），它没有传统意义上的机壳（Frame）、输出轴。它仅由定子和转子两部分组成，通常嵌入机器人关节、无人机或医疗设备的内部结构中。

上图中R86-2旋转关节图可以看出，无框电机的定子通过“过盈配合”的方式与行星减速器的内圈和外部箱体进行固定安装。

无框电机的结构：

◽  定子（Stator）：固定不动，缠绕着线圈，通电产生磁场。

◽  转子（Rotor）：可旋转，嵌有永磁体，随磁场转动。

上图展示的是灵犀X1 R86-2机器人关节模组的核心部件，从左至右依次为：高精度行星减速器、无框电机转子、无框电机定子。该关节模组采用了“无框电机+高精度行星减速器”的一体化集成设计，具体结构与功能如下：

◽  高精度行星减速器（左）

负责将电机高速、低扭矩的输出转换为低速、高扭矩的输出，提升关节的负载能力和控制精度。

采用紧凑型设计，便于与电机深度集成，输出轴通常与编码器直接耦合，实现高精度位置反馈。

◽  无框电机转子（中）

采用永磁体环形结构，直接套装在减速器输入端轴上，实现与减速器的同轴集成。

无框设计（无外壳、无轴承），便于与减速器、编码器等部件高度集成，降低体积和重量。

◽  无框电机定子（右）

由多组铜线绕组和铁芯组成，外部有三相电源线引出。

与转子配合产生电磁力，实现高效、响应快速的驱动。

◽  装配方式与技术特点

——同轴一体化设计：减速器安装在电机定子内部，电机转子套装在减速器输入轴上，形成高度集成的同轴结构。

——高扭矩密度与高精度：无框电机+高精度减速器+多圈绝对值编码器的组合，既保证了关节的高动力输出，又实现了高精度的位置与速度反馈。

——模块化、轻量化：无框电机和减速器深度集成，体积小、重量轻，便于机器人关节的模块化设计和维护。

高可靠性：磁编码器无接触、无磨损，抗干扰能力强，适合复杂环境下长期运行。

减速器作为机器人关节模组中实现“高扭矩、低速输出”的关键部件，其结构类型多样，常见的有RV减速器、谐波减速器、行星减速器、摆线针轮行星减速器等。不同类型的减速器在结构原理、传动效率、体积重量、成本和适用场景等方面各有特点。

◽  RV减速器

采用摆线针轮与行星齿轮复合传动，具有高承载能力、高刚性和高精度，常用于大型工业机器人和重载机械臂，但体积较大、成本较高，不适合空间受限的小型机器人。

◽  谐波减速器

通过柔性齿轮（柔轮）、刚性齿轮（刚轮）和波发生器实现高减速比和高传动精度，结构紧凑、重量轻、回程间隙小，非常适合空间有限、对精度和轻量化有较高要求的人形机器人、协作机器人等。其缺点是承载能力有限，柔轮易疲劳损坏，成本相对较高。

◽  行星减速器

由太阳轮、行星轮和内齿圈组成，结构简单紧凑，传动效率高，承载能力较强，成本适中。行星减速器在中小型机器人关节中应用广泛，尤其适合对体积、重量和成本有一定要求的场合。其回程间隙和精度略逊于谐波减速器，但通过高精度制造工艺也能满足大部分机器人应用需求。

◽  摆线针轮行星减速器

结合了摆线轮和行星齿轮的优点，具有高减速比、高承载能力和高效率，常用于重载、低速、高精度的工业场合，但结构复杂、体积较大，在人形机器人中应用较少。

在人形机器人领域，由于关节空间有限、对轻量化和高精度的需求突出，同时还要兼顾成本控制，谐波减速器和行星减速器成为最常用的两类减速器。

行星减速器是一种结构紧凑、传动效率高、承载能力强的减速装置，广泛应用于机器人、自动化设备、精密机床等领域。要理解一款行星减速器的结构和工作原理，首先需要理清其核心部件和动力传递路径。

主要结构组成：

◽  太阳轮（Sun Gear）：位于减速器中心，通常与输入轴刚性连接，是整个行星减速器的动力输入端。电机的动力首先传递到太阳轮。

◽  行星轮（Planet Gears）：多个小齿轮均匀分布在太阳轮周围，与太阳轮啮合。行星轮通过行星架（Planet Carrier）固定在一起，并能绕太阳轮自转和公转。

◽  内齿圈（Ring Gear）：环绕在行星轮外部的齿圈，内侧有齿，与所有行星轮啮合。内齿圈通常固定不动，也有部分结构设计为输出端。

◽  行星架（Planet Carrier）：用于支撑和连接所有行星轮，通常作为减速器的输出端，将行星轮的运动合成为输出轴的旋转。

动力传递路径：

◽  输入轴：与太阳轮刚性连接，电机的动力首先传递到太阳轮。

◽  减速装置：太阳轮带动多个行星轮自转，同时行星轮在内齿圈内公转，实现动力分流和减速。

◽  输出轴：行星架与输出轴连接，将所有行星轮的运动合成为输出端的旋转，实现减速增扭。

谐波减速器是一种结构新颖、传动精度高、体积小、重量轻、减速比大且无间隙的减速装置，广泛应用于机器人、航空航天、精密仪器等高端领域。要理解一款谐波减速器的结构和工作原理，首先需要理清其核心部件和动力传递路径。

主要结构组成：

◽  波发生器（Wave Generator）：通常由椭圆形的凸轮和柔性轴承组成，安装在输入轴上。波发生器的作用是将输入轴的旋转运动转化为柔性齿轮的弹性变形。

◽  柔性齿轮（Flexspline）：一个薄壁、开口的弹性金属圆筒，外侧带有齿轮齿。柔性齿轮的齿数略少于刚性齿轮。柔性齿轮套在波发生器外部，随波发生器的椭圆形变形而周期性地与刚性齿轮啮合。

◽  刚性齿轮（Circular Spline）：一个内齿圆环，齿数比柔性齿轮多2个齿，一般固定不动。刚性齿轮的内齿与柔性齿轮的外齿啮合，所以当波发生器旋转一周，柔轮往前走2个齿。

◽  输出端：通常与柔性齿轮的开口端或刚性齿轮连接，将减速后的运动输出。

动力传递路径

◽  输入轴：与波发生器刚性连接，电机的动力首先传递到波发生器。

◽  减速装置：波发生器旋转时，带动柔性齿轮发生椭圆形弹性变形，使柔性齿轮的齿与刚性齿轮的齿在两个区域啮合。由于柔性齿轮的齿数比刚性齿轮少，每转一圈，柔性齿轮相对于刚性齿轮会慢转几个齿，实现高减速比。

◽  输出轴：通常与柔性齿轮连接，将减速后的旋转运动输出，实现减速增扭和高精度传动。

力矩传感器，也叫扭矩传感器，是一种能将扭转力（或称“力矩”）转换为电信号的敏感元件。它像是机器人的“肌肉感觉”，让机器人知道自己到底“用了多大的力”。常见的结构原理包括应变片式、磁致伸缩式、光纤传感等，其中以应变片最为普及，广泛应用于机械臂、机器人、协作臂、自动化工具中。

按照维度，力矩传感器分为：

在实际的机器人关节设计中，出于成本、体积、可靠性和控制系统复杂度等多方面的考虑，绝大多数旋转关节组件并不会直接集成力矩传感器。力矩传感器虽然能够直接测量关节输出的实际力矩，但其价格贵、结构复杂、易受干扰且维护成本高。因此，行业内普遍采用一种“折中方案”来实现对关节输出力矩的估算。

这种方案的核心思路是：利用电机电流、编码器数据和运动学/动力学模型，间接推算出关节的输出力矩。

具体流程如下：

◽  电机电流采集：通过驱动器或控制板实时采集电机的电流数据。由于电机的输出力矩与电流成正比（受电机参数影响），电流可以作为力矩的基础估算依据。

◽  编码器数据采集：通过编码器获取电机轴或关节轴的实时位置和速度信息。这些数据不仅用于闭环控制，也为后续的力矩推算提供必要的运动状态参数。

◽  运动学/动力学模型变换：结合机械结构的运动学和动力学模型（如齿轮传动比、并联/串联结构的雅可比矩阵、摩擦补偿等），将电机侧的力矩（由电流推算）通过模型变换，推算到关节输出端，得到实际的关节输出力矩。

◽  输出力矩估算：最终，系统根据上述数据和模型，实时估算出每个关节的输出力矩，用于控制、保护和状态监测等功能。

以灵犀X1为例，其开源项目 agibot_x1_infer 的源码中可以看到，系统正是采用了“电机电流 + 编码器数据 + 运动模型 → 推算输出力矩”的主流方案。在其关节驱动与传动相关的代码实现中：

◽  首先采集电机的电流（或力矩估算值）和编码器数据；

◽  然后通过一系列运动学/动力学变换，将这些数据映射到关节输出端；

◽  实现了无需力矩传感器的力矩估算与反馈控制。

这种方案在保证成本可控和系统可靠性的同时，也能满足大部分机器人应用对力矩估算的需求，因此被广泛采用。