从两个起点抵达同一终点
假设你想求出机器人运动方程——这个公式告诉你：在已知各关节的位置和运动速度时，每个电机究竟需要产生多大的关节力矩。推导它有两种著名的方法。第一种是拉格朗日方法，像会计的做法：追踪机器人的能量，再让微积分把答案交给你。第二种是牛顿–欧拉方法，像工程师的做法：沿着机构逐杆推进，一路平衡每一个力和每一个力矩。
本课值得一学的惊喜在于：两条路最终抵达的是*完全相同*的方程。不是相似，而是逐项相同。两种方法在搭建过程中感觉截然不同，但物理迫使它们一致——因为它们描述的本就是同一台机器、遵循同一组定律。掌握两者，既能互相校验你的推导，也能培养出该用哪种工具的直觉。
第一条路：拉格朗日，能量会计
拉格朗日方法一开始完全不理会力，只盯着能量。你写下两个标量：动能（运动着的连杆中储存了多少运动）和势能（重力作用在被抬高的质量上储存了多少）。拉格朗日量就是二者之差，L = T − V——动能减势能。
然后你"摇动曲柄"：把 L 代入欧拉–拉格朗日方程，把那些导数一路算完。从另一端，几乎像变魔术一样，掉出来的正是精确的力矩。它的妙处在于能量是个标量——它不在乎坐标轴，也不在乎参考系朝哪个方向——所以你完全不必画受力图，也不必追着某个矢量满空间跑。代价是抽象：你是在对一个能量表达式求导，在代数算完之前，往往很难看清每一项背后对应的物理力。
L = T(q, q̇) − V(q) # Lagrangian: kinetic minus potential d/dt ( ∂L/∂q̇ ) − ∂L/∂q = τ # Euler–Lagrange: turn the crank → torques τ
第二条路：牛顿–欧拉，逐力记账
牛顿–欧拉路线一刻也不肯离开物理世界。它对每一根连杆都施加两条定律：牛顿定律（合力等于质量乘以连杆质心的加速度）和欧拉定律（合力矩等于角动量的变化率，这里要用到连杆的惯量张量）。每根连杆两个方程，老老实实用矢量写出来。
麻烦在于连杆之间是耦合的：手推前臂，前臂推上臂，一直传到底座——而重力与惯性又同时作用在每一段上。所以你无法孤立地解某一根连杆，而必须逐杆、逐参考系地把相邻连杆之间传递的力与动量记清楚。它具体而物理透明——你能指着每一项说出它*究竟是什么*——但也琐碎，一个贴错的参考系或一个写反的正负号，就会悄无声息地把后续一切都污染掉。
机器人真正运行的：递归算法
若是天真地先搭出完整的符号方程、再代入数字，所需的运算量增长得比关节数还快——慢到无法在真实机械臂上每秒运行上千次。解决之道是递归牛顿–欧拉算法（RNEA），而这正是生产级控制器真正用来做逆动力学的方法：给定期望的关节位置、速度与加速度，精确算出所需的力矩。
- 外向遍历（底座 → 末端）：从固定的底座出发，沿链条逐杆向上传递速度与加速度，让每根连杆都知道自己如何运动、如何加速。
- 用牛顿定律和欧拉定律，结合每根连杆的质量与惯量张量，由其运动算出作用在它身上的力与力矩。
- 内向遍历（末端 → 底座）：从末端执行器出发，沿链条向下回传，逐级累加力与力矩，让每个关节都汇集到其外侧连杆施加于它的全部载荷。
- 把每个关节所受的合力与合力矩投影到它的运动轴上，便读出所需的驱动力矩——整套计算量与关节数成线性关系，即 O(n)。
正是这种"两趟扫描"的结构让递归形式如此之快：每根连杆只被访问固定的次数，关节数翻倍也只让运算量翻倍。同一套机制还支撑着正动力学（由给定力矩预测运动，用于仿真器内部），并为诸如计算力矩控制这类基于模型的控制器提供输入。