1. 避障策略概述：什么是避障、为什么需要避障、避障在任务规划中的角色

大家好，欢迎来到这门课。我是你们的老朋友，一个在机器人堆里摸爬滚打了十几年的工程师。

今天咱们聊点最基础的，但也是最绕不开的——避障。你想想看，一个机器人如果连路都走不明白，撞墙、翻车、怼人，那还谈什么任务？

我个人习惯，讲任何技术之前，先搞清楚三个问题：它是什么？为什么需要它？它在整个系统里到底扮演什么角色？ 这就像盖房子打地基，地基不稳，后面全是白搭。

说白了，避障就是让机器人从A点走到B点的过程中，主动识别并绕开所有障碍物，安全到达目的地。

听起来很简单对吧？但实际做起来，坑多得很。

我记得刚入行那会儿，带我的老工程师跟我说过一句话，我一直记到现在：“避障不是让机器人停下来，而是让它聪明地绕过去。”

避障的核心包含三个要素：

嗯，这里要注意，很多人把避障和路径规划混为一谈。其实不一样。路径规划是“我想怎么走”，避障是“路上有坑，我得躲开”。两者是协作关系，不是替代关系。

避障 ≠ 路径规划

路径规划负责全局的、理想的路线；避障负责局部的、实时的、应对突发情况的调整。

这个问题，我估计有人会觉得多余。但我在项目里见过太多“想当然”的案例了。

曾经有个团队，做了一台AGV，在实验室跑得贼溜。结果一放到仓库，第一天就撞了货架。为什么？因为实验室地面平坦、环境固定，但仓库里地上有托盘、有掉落的胶带、有临时堆放的纸箱。这些在全局地图里都没有。

所以，避障不是锦上添花，而是刚需。原因有三：

环境是动态的：你不可能预知所有障碍物。今天这里放了个垃圾桶，明天可能就挪走了。全局地图是死的，但世界是活的。
安全是底线：尤其是人机协作的场景。机器人撞到人，不是修车的问题，是安全事故。我见过一台500公斤的重载AGV，因为避障没做好，把一位工人的脚压伤了。从那以后，我对避障的冗余设计特别敏感。
任务连续性：没有避障，机器人一遇到障碍就卡死、报错、等人工干预。那还谈什么自动化？避障做得好，机器人才能“自己搞定”，任务才能持续。

避坑指南：我曾经在项目里只依赖激光雷达做避障，结果遇到全黑的高反光地面，雷达直接“瞎了”。后来我学乖了，多传感器融合才是王道。别把鸡蛋放在一个篮子里。

好，现在咱们把视角拉高一点。避障在整个任务规划里，到底扮演什么角色？

我个人喜欢用一个比喻：任务规划是“总指挥”，避障是“侦察兵”。

总指挥收到情报后，会重新规划局部路径，或者调整任务顺序。这就是避障在任务规划中的核心角色——提供实时环境反馈，驱动任务规划的动态调整。

你想想看，如果没有避障，任务规划就是“盲人摸象”，只能按预设的固定路线走。一旦环境变了，整个任务就崩了。

下面这张图，是我自己总结的避障在任务规划中的层级关系，你看一眼就明白了：

你看，避障不是孤立存在的。它向上承接路径规划，向下驱动执行器。而且，它还有一个反向反馈的职责——当避障发现“此路不通”时，它要告诉任务规划：“老大，换个方案吧。”

搞清楚了角色，咱们再聊聊避障策略本身。我习惯把它们分成两大类：

分类	代表方法	适用场景	我的经验
反应式避障	VFH、DWA、Bug算法	动态环境、高速移动	反应快，但容易陷入局部最优。我在AGV上用过DWA，效果不错，但参数调起来很头疼。
规划式避障	A*、RRT、PRM	静态环境、全局优化	能找到最优路径，但计算量大。我做过一个仓储项目，用A*规划全局，再用DWA做局部避障，效果很稳。

嗯，这里要提醒一句：没有银弹。别指望一种方法打天下。我见过有人死磕A*，结果在动态环境里频繁重规划，CPU跑满。也见过只用DWA，结果在窄通道里来回震荡，出不来。

我的建议：分层融合。全局用规划式（比如A*），局部用反应式（比如DWA）。全局负责“大方向”，局部负责“躲坑”。这是目前工业界最成熟的方案。

最后，分享一个我早年踩过的坑，希望能帮你省点时间。

那时候我做一台服务机器人，在商场里送餐。避障用的是单线激光雷达，配合VFH算法。实验室测试一切正常。结果一上线，问题来了——玻璃门。

激光雷达打过去，玻璃直接穿透了，雷达以为前面是空的。机器人直直地撞上去，“砰”的一声，玻璃门没碎，机器人外壳裂了。

后来怎么解决的？我加了超声波传感器，专门检测透明物体。同时，在避障策略里加了一条规则：如果前方有“突然消失”的障碍物（比如玻璃反射不稳定），强制减速并切换为保守模式。

这个教训让我明白：避障策略不是算法问题，而是工程问题。你得考虑传感器盲区、环境特殊性、甚至光照变化。算法再漂亮，落地不行就是白搭。