肩—肘—腕的小把戏
把一杯水端在身前，让手保持纹丝不动，然后上下摆动你的肘部。水杯没有移动，但你的整条手臂却一直在重新调整姿态。这之所以可能，是因为你的手臂关节数超过了任务严格所需：把手放到空间中某个位姿（位置加朝向）只需要六个数，而你的肩、肘、腕加在一起却提供了七个转动自由度。多出来的那一个，是你可以随意支配的自由。
机械臂也可以拥有同样的天赋。本阶梯前几级已经搭好了核心机器：正运动学（输入关节角，输出手部位姿）、逆运动学（输入目标位姿，输出关节角），以及把关节速度与手部速度联系起来的雅可比矩阵。本篇要讲的是，当关节数有富余时会发生什么——以及如何把这多出来的余地变成工具，而非麻烦。
冗余：一个手部位姿，多种手臂形态
当一条手臂拥有的关节自由度多于眼前任务所需时，就说它具有运动学冗余。一条七关节手臂被要求把手放到六自由度的位姿上时，有一个冗余自由度；同一条手臂若只被要求触到一个点（不管朝向），冗余就更多。冗余是相对于任务而言的，并非硬件的固定属性。
其后果意义深远。对非冗余手臂而言，一个可达的手部位姿通常对应一小组有限的关节解（经典的“肘上 vs 肘下”之选）。而对冗余手臂而言，单个手部位姿对应的是一整族连续的关节构型——以无穷多种方式停在同一个地方。逆运动学问题不再只有一个答案，而是在关节空间中拥有一条曲线、一张曲面，乃至一团体积的答案。
在这族解中明智地选择本身就是一门学问，叫做冗余消解。其思路是：让手精确停在任务要求的位置，同时把剩余的自由用在次要目标上——远离关节极限、让肘部避开障碍物，或保持灵活。手部位姿是硬约束，其余一切都是在它之下优化的偏好。
零空间运动：动起来却哪儿也没去
机器人怎样在不移动手的情况下摆动肘部？答案藏在雅可比矩阵里。回想一下，雅可比把关节速度变成手部速度。对冗余手臂来说，存在一整批关节速度组合，被雅可比映射为零手部速度——关节在动，效果却在手部相互抵消。这组自相抵消的关节运动叫做雅可比的零空间，沿它运动就是零空间运动。
这正是那杯水的把戏，只是说得更精确了。零空间运动是一种内部重构：手臂自我重新排布，而末端执行器始终冻结在目标上。由于它对任务毫无代价，正是追求那些次要目标的理想场所——躲开漂向肘部的障碍物、把关节引离机械极限，或从运动学奇异点处退开（在奇异点上，手臂会失去朝某个方向运动的能力）。
Joint command = primary task + null-space term
q_dot = J_pseudoinverse * x_dot_desired <- moves the hand
+ N * z <- moves the elbow only
where N projects any desired joint motion z
into the null space, so it changes the arm's
shape WITHOUT changing the hand's velocity.你甚至可以把优先级叠起来。手部位姿可以是最高优先级，避障次之，舒适姿态垫底——每个较低目标只能在较高目标留下的自由内活动。这种在零空间中对任务分层的做法，正是现代人形机器人所用的全身控制器的种子。
可操作度：一张“手有多容易动”的地图
即便手臂能够到某个点，它在那里朝各个方向也并非同样灵活。在接近完全伸直的姿态附近，手向侧面滑动很轻松，却抗拒沿手臂方向移动——就像你自己手臂完全伸直时那样。可操作度椭球一眼就能刻画这一点：设想让关节以单位力度朝各个方向运动，并描出手响应的快慢。结果是一个椭球，沿容易的方向鼓出，沿困难的方向收窄。
一个浑圆饱满的椭球意味着手在每个方向都灵活——这是一个灵巧的位姿。一个扁如薄饼的椭球则是警告：手臂逼近奇异点，沿被压扁的那条轴几乎动弹不得。工程师把椭球归结为单一的可操作度数值（大致是它的体积），当作质量评分来用。冗余消解便可专门用零空间运动把这个评分维持得很高，引导手臂走向它依然敏捷、响应迅速的位姿。
这让前几篇里的一个概念更加锐利。手所能触到的全部点构成可达工作空间；其中那块更小、还能以任意所欲朝向到达的区域，是灵巧工作空间。可操作度又添了第三层细腻：不只看一个位姿是否可达，还看手臂到了那里之后能动得多优雅。
前沿：全身控制与基于学习的运动学
把冗余推到极限，你就来到了人形机器人。人形机器人在两条手臂、一个躯干和两条腿上分布着几十个关节，因此几乎每个任务都极度冗余。现代的答案是全身控制：把整个身体当作一个庞大的冗余系统，在每一瞬间求解出尊重一摞分级目标的关节运动——先保持平衡、再摆放双手、最后求舒适——这正是前面那套零空间分层，放大到整台机器。
经典运动学也正获得一位基于学习的搭档。数值逆运动学可能很慢、也可能卡住；如今越来越多地，会训练一个神经网络一步给出不错的关节构型，再由经典求解器加以打磨。而在最前沿，视觉—语言—动作模型与模仿学习让机器人把相机图像直接映射为动作，从人类示范中隐式地吸收冗余消解，而非依赖手写规则。