动态运动基元（DMPs，Dynamic Movement Primitives）是一种用于机器人运动规划的数学框架，它通过非线性动态系统来建模和生成复杂的运动轨迹。DMPs的核心思想是将运动分解为一系列基础单元，每个单元由一个弹簧-阻尼系统与非线性扰动项共同构成，既能保持运动的稳定性，又能通过调整权重实现轨迹的灵活变形。这种方法的优势在于能够将示教轨迹编码为紧凑的参数化表示，同时保证运动在环境变化时的适应性。
在具身智能产品开发中，DMPs常被用于需要精确控制且具备自适应能力的场景，例如工业机械臂的抓取动作、服务机器人的避障行走等。通过将专家演示的运动转化为DMPs参数，机器人可以快速学习新技能，并在遇到障碍物或目标位置变动时实时调整轨迹。近年来，DMPs与强化学习的结合进一步拓展了其在复杂动态环境中的应用潜力，成为机器人技能学习领域的重要工具。