机器人运动学是研究机器人系统中运动的学科，不考虑引起运动的力。它侧重于机器人关节、连杆和末端执行器（机器人手臂末端的工具或夹具）之间的几何关系。运动学回答诸如“如果我将机器人的关节旋转特定角度，末端执行器最终会在哪里？”（正向运动学）或“需要什么关节角度才能将末端执行器定位在特定位置？”（逆向运动学）之类的问题。例如，一个六轴工业机器人手臂使用正向运动学来计算其焊接工具的位置，该位置基于每个关节电机的编码器读数。逆向运动学使其能够确定如何调整这些关节以达到汽车底盘上的目标焊接点。这些计算依赖于坐标系和变换矩阵来以数学方式对机器人的结构进行建模。
运动学至关重要，因为它能够精确控制机器人的运动。如果没有精确的运动学模型，机器人将无法执行诸如装配、喷漆或手术之类的任务。例如，执行活检的手术机器人必须计算到达肿瘤的确切路径，同时避开关键器官——这是一个通过将逆向运动学与碰撞检测算法相结合来解决的问题。运动学还可以简化路径规划：通过将复杂运动分解为一系列关节角度或末端执行器位置，开发人员可以对平滑轨迹进行编程。此外，运动学模型允许仿真工具（如 ROS MoveIt 或 MATLAB 的 Robotics Toolbox）在物理测试之前预测机器人的行为，从而缩短开发时间。即使是像无人机调整螺旋桨速度以倾斜和向前移动这样的基本任务，也依赖于运动学原理来将所需的运动转换为执行器命令。
具体例子突出了运动学的作用。在汽车制造中，机器人使用逆向运动学将焊接工具定位在汽车的曲线周围。人形机器人应用运动链来协调腿部和手臂的运动以进行行走或抓取。无人机使用运动学方程来规划通过障碍物的无碰撞路径。开发人员通常使用诸如 Denavit-Hartenberg (DH) 参数之类的标准化框架来实现这些计算，这些参数定义了关节方向和连杆长度以简化建模。开源库（例如，IKFast）可以自动执行常见机器人设计的逆向运动学。通过抽象出低级机械原理，运动学使开发人员可以专注于更高级别的任务，例如运动规划或传感器集成，这使其成为机器人编程的基础。