1. 课程导论与基础：传感器反馈轨迹规划概述
大家好，我是你们这门课的老朋友。说实话，每次开新课前，我都习惯先跟学员聊聊“为什么要学这个”。
传感器反馈轨迹规划，这个名字听起来有点长。说白了，就是让机器人一边动，一边“看”着周围，随时调整自己的动作。我最早接触这个概念，是在做机械臂抓取易碎品的时候。那时候我才发现，光靠预设路径根本不行——工件位置稍微偏一点，机械臂就抓空了。
嗯，这节课我们先搭个框架。把“是什么”、“用在哪”、“怎么学”这三件事讲清楚。
1.1 什么是传感器反馈轨迹规划
传统轨迹规划，是“开环”的。你给机器人一条路径，它闷头走到底。撞墙了？不知道。偏离了？也不知道。
传感器反馈轨迹规划，是“闭环”的。机器人每走一步，传感器都在“看”——位置对不对？力大了还是小了？然后实时修正下一步。
我个人习惯把这件事分成三个环节：
- 感知：传感器采集数据。比如激光雷达测距离，力矩传感器测力。
- 估计：从数据里算出机器人的真实状态。比如“我现在到底在哪儿？”
- 修正：根据状态偏差，调整轨迹。比如“偏了2毫米，往左补回来”。
你想想看，这就像你闭着眼睛走路和睁着眼睛走路的区别。闭着眼睛，你只能凭感觉；睁着眼睛，你随时可以调整方向。
核心要点：传感器反馈的本质，是用“测量”来弥补“模型”的不完美。模型永远有误差，但传感器能告诉你误差有多大。
1.2 应用场景：三个典型领域
我在项目中遇到过不少场景，这里挑三个最典型的说说。
1.2.1 机械臂：力控与柔顺装配
机械臂做装配，最怕“硬碰硬”。比如把轴插进孔里，位置偏差0.1毫米就可能卡死。
我曾经做过一个项目，用六维力矩传感器做力控。机械臂不是按固定轨迹走，而是“摸着”工件表面找孔。传感器反馈力的大小和方向，轨迹实时调整。嗯，效果立竿见影——装配成功率从70%提到了98%。
避坑指南：我曾经以为力控的增益越大越好，结果机械臂抖得像筛子。后来才明白，力控的带宽和机械结构的谐振频率要匹配。这个后面我们会细讲。
1.2.2 AGV：激光SLAM与动态避障
AGV（自动导引车）在工厂里跑，环境是动态的。今天这里堆了个箱子，明天那里停了辆叉车。光靠磁条导航？肯定不行。
我建议用激光雷达做SLAM（同步定位与地图构建）。AGV一边走，一边用激光扫描环境，实时更新地图，同时定位自己。遇到障碍物，轨迹规划器重新算一条路。
说白了，这就是“边走边画地图，边画边找路”。
1.2.3 无人机：视觉导航与风扰补偿
无人机在室外飞，最大的敌人是风。一阵侧风吹过来，无人机就偏航了。
我记得有个项目，无人机要在两栋楼之间穿行。GPS信号弱，全靠视觉里程计。摄像头拍地面特征，算出相对位移。同时IMU（惯性测量单元）测加速度和角速度，两者融合，估计出真实位置。轨迹规划器根据这个位置，实时调整控制指令。
你想想看，如果没有传感器反馈，一阵风过来，无人机可能就撞墙了。
| 应用领域 | 常用传感器 | 反馈作用 |
|---|---|---|
| 机械臂 | 力矩传感器、视觉相机 | 力控、柔顺装配 |
| AGV | 激光雷达、编码器 | 定位、避障 |
| 无人机 | IMU、视觉相机、GPS | 姿态估计、风扰补偿 |
1.3 课程目标与学习路径
这门课的目标很明确：让你能独立设计一个带传感器反馈的轨迹规划系统。
不是只讲理论，也不是只调库。而是从原理到代码，从仿真到实机，一步步走通。
我个人习惯把学习路径分成四个阶段：
- 基础篇：传感器模型、状态估计、轨迹表示。把“地基”打牢。
- 核心篇：反馈控制律设计、优化方法。这是“骨架”。
- 实战篇：机械臂力控、AGV导航、无人机视觉伺服。每个场景一个完整项目。
- 进阶篇：多传感器融合、鲁棒控制、学习-based方法。这是“天花板”。
重要提醒：不要跳过基础篇直接做实战。我见过太多人，一上来就调PID参数，结果系统振荡了都不知道为什么。基础不牢，地动山摇。
下面这张图，是我自己画的课程知识体系。你可以把它当作一张“地图”，随时回来看看自己走到哪了。
嗯，这张图你保存好。后面每学完一章，都可以回来看看，心里有个数。
最后说一句：这门课没有“标准答案”。每个项目都有不同的约束，传感器噪声、计算资源、实时性要求都不一样。我会教给你方法，但真正的“手感”，要靠你自己在代码和实验中磨出来。
准备好了吗？我们开始吧。