一、轨迹规划概述：什么是轨迹规划？为什么需要轨迹规划？
大家好，我是你们这门课的主讲。今天咱们聊聊轨迹规划。
说实话，我第一次接触“轨迹规划”这个词，是在读研的时候。导师扔给我一个机械臂，说：“让它自己把桌上的杯子拿起来。”我当时心想，这不就是写个路径点，让电机转过去吗？结果一上手才发现，事情远没那么简单。
嗯，咱们今天就把这事儿彻底讲明白。
1.1 什么是轨迹规划？
先给个最直白的定义：轨迹规划，就是让一个运动体（机器人、汽车、无人机）从A点走到B点，同时还要考虑怎么走、走多快、走得多平滑。
你想想看，如果只是“从A到B”，那太简单了。直接一条直线走过去不就完了？但现实世界哪有这么理想？
- 有障碍物——你得绕开吧？
- 有速度限制——拐弯太快会翻车吧？
- 有加速度限制——急停急起，电机受不了，乘客也受不了。
所以，轨迹规划要解决的核心问题其实是三个：
- 路径——走哪条路？
- 速度——什么时候快、什么时候慢？
- 时间——整个运动花多长时间？
我个人习惯把轨迹规划比作“写剧本”：路径是演员的走位，速度是台词的节奏，时间是整场戏的时长。三者缺一不可。
1.2 为什么需要轨迹规划？
这个问题，我当年也问过自己。直接给电机发位置指令不行吗？
行，但后果很严重。
我在项目中遇到过一件事：一个刚入行的同事，给AGV小车写了个直线运动指令。结果小车启动时“哐”一声巨响，整个车身剧烈抖动。为什么？因为位置指令是阶跃信号，电机瞬间要输出巨大扭矩，机械结构根本扛不住。
说白了，没有轨迹规划的运动，就像让一个没学过跳舞的人直接上台表演——要么动作僵硬，要么直接摔跤。
具体来说，轨迹规划的必要性体现在这几个方面：
| 需求 | 没有轨迹规划会怎样？ | 有了轨迹规划会怎样？ |
|---|---|---|
| 安全性 | 可能撞到障碍物或人 | 自动避障，保证安全距离 |
| 平滑性 | 运动冲击大，机械磨损快 | 加速度连续，运动丝滑 |
| 效率 | 走冤枉路，浪费时间 | 路径最优，时间最短 |
| 能耗 | 频繁加减速，耗电高 | 匀速巡航，节能省电 |
我曾经吃过一次亏：在做无人机编队时，忽略了轨迹的加速度连续性。结果一架无人机在转弯时因为加速度突变，直接失控撞上了另一架。从那以后，我每次做轨迹规划都会检查加速度曲线是否平滑。
1.3 轨迹规划的应用领域
说实话，轨迹规划的应用范围比大多数人想象的要广得多。我简单列几个典型的：
1.3.1 工业机器人
这是轨迹规划最传统的应用场景。焊接、喷涂、搬运、装配，每一个动作背后都有轨迹规划在支撑。
我记得有一次去工厂调试，看到一台六轴机器人正在做弧焊。它的末端轨迹是一个完美的圆弧，而且速度均匀。工人师傅跟我说：“这机器人比老焊工还稳。”我当时心里挺自豪的——这就是轨迹规划的功劳。
1.3.2 自动驾驶
自动驾驶里的轨迹规划，比工业机器人复杂得多。因为环境是动态的，有行人、有自行车、有突然加塞的车。
你想想看，一辆车以60km/h的速度行驶，前方突然出现一个障碍物。留给轨迹规划的时间可能只有几百毫秒。这时候，规划算法必须在极短时间内算出一条安全、舒适、可行的避障轨迹。
1.3.3 无人机
无人机的轨迹规划，又多了个维度——高度。而且无人机对风扰特别敏感，规划出来的轨迹如果不够平滑，飞控根本跟不住。
我做无人机航拍项目时，就遇到过这个问题。规划出来的路径在理论上是连续的，但实际飞起来，无人机在拐弯处抖得厉害。后来发现是轨迹的加加速度（Jerk）太大了。嗯，这里要注意，对于无人机这类欠驱动系统，轨迹的平滑性比位置精度更重要。
1.3.4 服务机器人
扫地机器人、送餐机器人、导览机器人……这些大家生活中应该都见过。它们的轨迹规划更注重“人机共融”——不能撞到人，不能吓到人，最好还能让人觉得“这机器人挺聪明”。
一个小技巧：在做服务机器人的轨迹规划时，我建议把“人类舒适度”作为一个优化目标。比如，机器人靠近人时速度要降低，转弯半径要加大。这些细节虽然不会写在算法里，但用户能明显感觉到。
1.4 轨迹规划的核心逻辑
说了这么多，咱们来画个图，把轨迹规划的知识体系串起来。
这张图基本概括了轨迹规划要学的东西。你看，从三个核心问题出发，延伸到不同应用领域，再到具体的技术手段。咱们这门课，就是要把这张图里的每一个节点都讲透。
1.5 一个简单的例子
光说不练假把式。我给大家看一个最简单的轨迹规划例子——梯形速度规划。
假设一个机器人要从位置0走到位置10，最大速度是2，最大加速度是1。那么它的运动过程是这样的：
- 先以加速度1加速到速度2（耗时2秒，走了2米）
- 然后匀速运动（走了6米，耗时3秒）
- 最后以减速度1减速到0（耗时2秒，走了2米）
用代码实现就是：
def trapezoidal_profile(total_distance, max_vel, max_acc):
# 计算加速段距离
acc_distance = max_vel**2 / (2 * max_acc)
# 判断是否能达到最大速度
if acc_distance * 2 <= total_distance:
# 有匀速段
cruise_distance = total_distance - 2 * acc_distance
cruise_time = cruise_distance / max_vel
acc_time = max_vel / max_acc
total_time = 2 * acc_time + cruise_time
else:
# 没有匀速段，三角形速度曲线
max_vel_actual = sqrt(max_acc * total_distance)
acc_time = max_vel_actual / max_acc
total_time = 2 * acc_time
return total_time这段代码虽然简单，但它是很多复杂轨迹规划算法的基础。我在做AGV调度系统时，底层用的就是这种梯形规划，上层再叠加避障逻辑。
一个小建议：初学者不要一上来就搞复杂的优化算法。先把梯形规划、S形规划这些基础搞明白，理解“位置-速度-加速度”之间的关系。地基打牢了，后面学什么都快。
1.6 本章小结
好了，咱们来捋一捋今天讲了什么。
轨迹规划，说白了就是回答三个问题：走哪条路？走多快？花多久？它之所以重要，是因为没有规划的运动要么不安全、要么不平滑、要么不高效。
从工业机器人到自动驾驶，从无人机到服务机器人，轨迹规划无处不在。而且随着机器人越来越智能，对轨迹规划的要求也越来越高——不仅要能走，还要走得聪明、走得优雅。
下一章，咱们会深入讲轨迹规划的数学基础。嗯，别怕，我会用最通俗的方式讲清楚。
可可精品资料库