4. 复杂场景特征分析
局部规划算法在简单静态环境中往往表现良好，但一旦进入真实复杂场景，性能会急剧下降。原因并不在于优化器本身，而在于场景特征超出了算法建模时的假设。本节把复杂场景拆解为六类可分析、可量化的特征：动态障碍物、不确定性、非结构化环境、多智能体交互、感知噪声与通信延迟。理解这些特征如何耦合、如何影响规划，是后续鲁棒优化的前提。
核心判断：复杂场景的困难不是“障碍物多”，而是“状态在规划周期内持续变化，且规划器对状态的认知本身带有误差与延迟”。规划问题的本质从“求一条路径”变成“在信息不完整、时间不同步的条件下持续修正决策”。
一、六类特征的定义与量化维度
把复杂场景特征结构化，才能针对性设计鲁棒策略。下表给出每类特征的典型来源、可量化指标以及对局部规划的主要冲击。
| 特征 | 典型来源 | 可量化指标 | 对局部规划的主要冲击 |
|---|---|---|---|
| 动态障碍物 | 行人、车辆、移动机器人 | 速度、加速度、预测时域、交互密度 | 可行域随时间收缩，需滚动重规划 |
| 不确定性 | 运动模型误差、意图未知 | 协方差、置信区间、分布偏移 | 确定性约束失效，需概率或鲁棒约束 |
| 非结构化环境 | 野外、工地、室内杂物 | 可通行度、地形坡度、障碍密度 | 无车道/栅格先验，代价函数难定义 |
| 多智能体交互 | 多车、多机协同 | 智能体数量、耦合度、通信拓扑 | 决策相互影响，需博弈或协商 |
| 感知噪声 | 激光、视觉、雷达 | 噪声方差、漏检率、虚警率 | 障碍边界抖动，约束频繁切换 |
| 通信延迟 | 无线链路、调度抖动 | 时延均值/方差、丢包率 | 状态不同步，协同决策滞后 |
二、特征耦合关系：为什么不能单独处理
这六类特征并非独立叠加，而是相互放大。感知噪声会让动态障碍物的位置估计产生抖动，抖动又通过预测模型放大为轨迹不确定性；通信延迟使多智能体看到的是彼此的历史状态，导致交互决策错位；非结构化环境缺少先验地图，进一步削弱噪声滤波的效果。下图给出六类特征之间的耦合路径与对规划器的传导关系。
图中实线表示特征对规划器的直接冲击，虚线表示规划器动作反过来改变感知与通信条件，形成闭环。这意味着复杂场景下的局部规划是一个“感知—决策—执行—再感知”的耦合系统，任何单点优化都可能被其他环节抵消。
三、方法流程：从特征分析到鲁棒策略映射
面对复杂场景，推荐的工程流程是“先量化、再建模、后优化”，而不是直接调参。具体步骤如下：
- 特征采集与量化：记录动态障碍物速度分布、感知噪声方差、通信时延直方图，形成场景画像。
- 影响分级：判断哪类特征在当前场景中占主导，例如高速行人场景以动态障碍物和不确定性为主。
- 建模选择：主导特征决定建模方式——概率约束、鲁棒集、博弈模型或延迟补偿。
- 约束松弛与安全边界：为噪声和延迟预留安全裕度，避免约束频繁不可行。
- 滚动验证：在仿真中注入对应噪声与延迟，观察规划成功率与碰撞率。
# 场景特征画像示例（YAML）
scene_profile:
dynamic_obstacles:
max_speed: 1.8 # m/s
density: 0.35 # 个/m^2
uncertainty:
pose_cov: 0.12 # m^2
intent_entropy: 0.7
unstructured:
traversability_threshold: 0.55
multi_agent:
agent_count: 6
coupling: 0.4
perception_noise:
false_negative_rate: 0.08
false_positive_rate: 0.05
communication:
delay_mean: 120 # ms
delay_std: 45
packet_loss: 0.03
四、典型案例：园区配送机器人的一次失败复盘
某园区配送机器人在午间人流高峰出现频繁急停与路径震荡。复盘发现：感知模块对行人漏检率为 8%，行人速度估计方差偏大；同时多机通信平均延迟 120 ms，导致两台机器人在窄道互相等待。规划器使用的是确定性避障约束，未对噪声和延迟留裕度，于是约束在“可行—不可行”之间反复切换，产生震荡。
常见误区：把复杂场景问题归因于“规划算法不够强”。实际上，多数失败源于特征未被量化、约束未留裕度、感知与规划的时间基准不一致。先修数据链路与安全裕度，往往比更换优化器更有效。
五、面向鲁棒优化的特征应对清单
- 动态障碍物：采用滚动时域预测，保留多模态意图假设，避免单一轨迹假设。
- 不确定性：使用机会约束或鲁棒集，把协方差显式写入约束边界。
- 非结构化环境：用可通行度代价场替代二值障碍地图，保留软约束信息。
- 多智能体交互：引入优先级或博弈协商机制，避免对称死锁。
- 感知噪声：对障碍边界做膨胀与滤波，降低约束抖动。
- 通信延迟：使用状态预测补偿延迟，并设置超时降级策略。
把上述六类特征作为检查表，在每次场景部署前逐项量化并映射到具体策略，才能让局部规划从“实验室可用”走向“现场可靠”。复杂场景的鲁棒性，本质上来自对特征耦合关系的清醒认知与工程化留裕度。