1. 课程导论
大家好，我是这门课的主讲人。在机器人行业摸爬滚打了十几年，我见过太多「规划很完美，一跑就翻车」的案例。说白了，路径规划和跟踪控制就像人的大脑和手脚——大脑想得再好，手脚跟不上也是白搭。今天这堂课，我们就来聊聊这对「黄金搭档」到底是怎么回事。
1.1 什么是路径规划与跟踪控制？
先问大家一个问题：你让一台机器人从A点走到B点，它需要解决哪几件事？
我个人习惯把这个问题拆成三层：
- 全局路径规划：找到一条从起点到终点的可行路线。比如避开墙壁、绕过障碍物。
- 局部路径规划：在行驶过程中，实时应对动态障碍物。比如突然窜出来的行人。
- 跟踪控制：让机器人精确地沿着规划好的路径走。别跑偏，别抖动。
这三层缺一不可。我曾经在某个项目中，规划层做得天衣无缝，结果控制层参数没调好，机器人走起来像喝醉了酒——嗯，那场面相当尴尬。
核心观点：路径规划解决「走哪条路」，跟踪控制解决「怎么走稳」。两者协同，才是完整的运动解决方案。
1.2 应用场景：自动驾驶、机器人、无人机
你想想看，凡是需要移动的智能体，基本都离不开这两项技术。我挑三个最典型的场景聊聊。
自动驾驶
自动驾驶汽车是我接触最多的领域。车辆在高速上行驶，全局规划给出车道级路线，局部规划处理变道、避让，底层控制则负责转向、油门、刹车。这里有个坑——车辆是非完整约束系统，不能像机器人那样原地掉头。所以规划时必须考虑车辆的运动学模型。
避坑指南：我曾经在高速场景测试中，规划层给出了一条曲率过大的路径，结果控制层根本跟踪不上，车辆直接冲向了护栏。从那以后，我每次做规划都会加一个「曲率约束检查」。
移动机器人
室内机器人（比如扫地机、仓储AGV）的环境相对可控，但也有自己的麻烦。我记得有个仓储项目，机器人规划的路径总是贴着货架走，理论上没问题，但实际运行时传感器噪声导致定位偏差，机器人蹭到了货架。后来我们在规划层加了安全缓冲区，在控制层加了鲁棒性补偿，才算搞定。
无人机
无人机是三维空间的运动，比地面机器人多了一个自由度。规划时要考虑高度变化、避障、动力约束。控制上更复杂——姿态控制、位置控制、速度控制层层嵌套。说实话，无人机是我觉得最「刺激」的领域，因为一旦失控，基本就是炸机。
| 应用场景 | 规划特点 | 控制难点 |
|---|---|---|
| 自动驾驶 | 道路结构化，需考虑交通规则 | 非完整约束，高速动态响应 |
| 移动机器人 | 室内环境，障碍物密集 | 定位噪声大，低速精确性 |
| 无人机 | 三维空间，动态避障 | 多自由度耦合，抗风扰 |
1.3 课程目标与学习路径
这门课的目标很明确：让你能独立设计一套「规划+控制」的协同系统。不是纸上谈兵，而是真正能跑起来的代码。
我建议的学习路径是这样的：
- 打好基础：理解坐标系、运动学模型、控制理论的基本概念。
- 掌握规划算法：从A*、Dijkstra到RRT、PRM，再到更高级的混合A*。
- 吃透控制方法：PID、MPC、LQR，每种方法都有它的脾气。
- 学会协同：规划和控制不是孤立的，如何让它们互相配合？这是这门课的精髓。
- 动手实践：每个章节都有配套的仿真代码，我建议你亲手跑一遍。
注意：不要跳过基础部分直接看高级算法。我见过太多人一上来就啃MPC，结果连状态空间方程都写不对。基础不牢，地动山摇。
1.4 本章知识体系
下面这张图是我自己画的，把本章的核心逻辑串起来了。你可以把它当作整个课程的地图。
这张图其实揭示了一个道理：规划和控制是双向影响的。规划得再好，控制跟不上就是废纸；控制再精准，规划不合理也是白费力气。所以这门课的核心就是「协同」二字。