1、Nav2概览与调优哲学
各位工程师朋友，欢迎来到《Nav2导航参数进阶调优》的第一章。在正式开始拧参数之前，我觉得有必要先聊聊Nav2到底是个什么东西，以及我们调优的终极目标是什么。说白了，调参不是玄学，而是一套有章可循的方法论。
1.1 Nav2架构：拆解这台“导航机器”
Nav2不是一个大黑盒，它是一套模块化的导航框架。我习惯把它想象成一个精密协作的团队，每个成员各司其职。
核心组件速览：
- 行为树（BT）： 导航的大脑，决定“下一步做什么”。比如先全局规划，再局部规划，遇到障碍就绕行。
- 全局规划器（Global Planner）： 负责看地图，规划一条从A到B的宏观路径。它不考虑动态障碍物，只看静态地图。
- 局部规划器（Local Planner）： 负责看传感器，执行全局路径的“最后几米”。它要实时避障，处理动态变化。
- 代价地图（Costmap）： 机器人对环境的“认知模型”。它把传感器数据转换成栅格地图，标记障碍物、膨胀区域。
- 恢复行为（Recovery）： 当机器人卡住时，它负责“救场”。比如原地旋转、后退、重新规划。
你想想看，如果团队里有人不干活或者瞎指挥，整个项目就崩了。调优，就是让每个组件都工作在最佳状态。
1.2 调优的核心目标：安全、效率、平滑
调优不是漫无目的地改参数。我个人认为，所有调优工作都应该围绕三个核心目标展开。你可以把它们当作导航的“三原色”。
| 目标 | 通俗解释 | 调优关注点 |
|---|---|---|
| 安全 | 别撞墙，别翻车，别把传感器怼坏 | 膨胀半径、障碍物距离阈值、减速区域 |
| 效率 | 尽快到达目的地，别在原地转圈 | 最大速度、加速度、规划频率 |
| 平滑 | 轨迹流畅，不抖动，不来回摇摆 | 路径平滑度、角速度限制、轨迹插值 |
我的经验： 这三个目标往往是互相矛盾的。你想让机器人跑得快（效率高），它可能就离障碍物更近（安全性下降）。你想让轨迹特别平滑，它可能就会绕远路（效率降低）。调优的本质，就是在三者之间找到你的应用场景最需要的平衡点。
1.3 调优方法论：从“玄学”到“科学”
我记得刚入行时，调参全靠“蒙”。改一个值，跑一下，不行再改。后来发现，这纯粹是浪费时间。一套系统的方法论能帮你节省大量精力。
我建议你遵循以下步骤：
- 先跑通，再调优。 用默认参数让机器人动起来。如果连动都动不了，调优无从谈起。
- 单变量测试。 一次只改一个参数。改完记录效果，再改下一个。别同时动三个参数，出了问题你根本不知道是谁的锅。
- 从安全开始。 先把安全参数调好。比如膨胀半径设大一点，确保机器人不会撞墙。安全有保障了，再慢慢提升效率。
- 观察现象，反推参数。 机器人抖动？可能是速度增益太大。机器人绕远路？可能是膨胀半径太大。学会从现象反推问题。
- 记录每一次改动。 我习惯用表格记录：改了什么参数、改前值、改后值、效果如何。这样出了问题可以快速回滚。
避坑指南： 我曾经在一个项目里，为了追求效率，把最大速度调得特别高。结果机器人过弯时直接侧滑，撞上了货架。从那以后，我调效率参数时，一定会先确认安全边界是否足够。记住，安全永远是第一优先级。
嗯，这里要注意一点：调优不是一劳永逸的。换了传感器、换了场地、甚至换了负载，参数都可能需要重新调整。所以，掌握方法论比记住参数值重要得多。
好了，第一章的内容就到这里。我们拆解了Nav2的架构，明确了调优的三个核心目标，也聊了一套实用的调优方法论。这些是后续所有章节的基础。下一章，我们会深入代价地图，看看这个“环境认知模型”到底是怎么工作的，以及如何调优它。