3. 路径跟踪算法原理：Pure Pursuit、Regulated Pure Pursuit、DWB核心思想对比

聊到运动控制，路径跟踪算法是核心中的核心。说白了，就是机器人拿到一条规划好的路径后，怎么用自己的轮子或者舵轮，稳稳当当地走过去。

我这些年调过的机器人，从差速轮到阿克曼，从室内AGV到户外巡检车，几乎都离不开这三个算法：Pure Pursuit、Regulated Pure Pursuit 和 DWB。它们各有脾气，也各有绝活。

今天咱们就把这三兄弟拉出来，好好对比一下。嗯，先看一张总览图，心里有个谱。

Pure Pursuit 是我最早接触的路径跟踪算法。它的思想特别直观——想象你开车时，眼睛一直盯着前方路上的一个点，然后打方向盘让车头对准那个点开过去。

这个「前方的点」就是前视点，前视点到机器人的距离叫前视距离。算法会计算一条从当前位置到前视点的圆弧，然后输出对应的角速度和线速度。

核心公式（简化版）：

曲率 κ = 2 * sin(α) / Ld

其中 α 是机器人朝向与前视点方向的夹角，Ld 是前视距离。

我个人习惯把前视距离设成机器人长度的 1.5 到 2 倍。太小了机器人会左右摇摆，太大了又容易切弯。

我的经验： 在 AGV 项目中，如果路径是直线为主，前视距离可以设大一点，跑起来更稳。但遇到连续弯道，就得缩小前视距离，否则会「甩尾」。

Pure Pursuit 有个硬伤——前视距离是固定的。你想想看，高速和低速、直道和弯道，用同一个前视距离，能行吗？

Regulated Pure Pursuit 就是来解决这个问题的。它把前视距离变成了动态可调的，会根据当前速度、路径曲率、靠近目标点的距离等因素自动调整。

我记得有一次调试巡检机器人，用 Pure Pursuit 在直道上跑得挺好，一到 90 度弯就冲出去。换成 Regulated Pure Pursuit 后，它在弯道前会自动减速、缩短前视距离，过弯顺滑多了。

Regulated Pure Pursuit 的调节策略：

注意： Regulated Pure Pursuit 虽然强大，但参数变多了。我建议先从默认参数开始，然后只调「最大前视距离」和「最小前视距离」这两个关键参数，其他保持默认。

DWB 的全称是 Dynamic Window Based，它和前面两个算法思路完全不同。Pure Pursuit 是几何方法，DWB 是采样+评分的方法。

它的工作流程是这样的：

说白了，DWB 不是「盯着一个点追」，而是「把所有可能走法都试一遍，选最好的那个」。

DWB 的典型代价函数：

我曾经在一个仓库项目中用 DWB 做避障。环境里到处都是货架和叉车，Pure Pursuit 根本不敢用，因为没法处理动态障碍。DWB 虽然调参花了点时间，但最终效果确实好——它能一边跟踪路径，一边灵活避让突然出现的行人。

避坑指南： 我曾经把 DWB 的障碍物代价权重设得太高，结果机器人为了躲一个远处的障碍物，绕了个大圈。后来我把权重调低，同时加了一个「路径偏离惩罚」，才让它在避障和路径跟踪之间找到平衡。

特性	Pure Pursuit	Regulated Pure Pursuit	DWB
核心思想	几何追踪前视点	自适应几何追踪	速度空间采样优化
参数数量	少（2-3个）	中等（5-8个）	多（10+个）
调参难度	简单	中等	复杂
高速性能	差（易震荡）	好（自适应调节）	好（考虑动力学）
避障能力	无	有限（仅减速）	强（实时避障）
适用场景	低速、简单路径	中低速、复杂路径	动态环境、高速
计算开销	低	中	高

选哪个算法，其实取决于你的场景。如果只是做简单的点到点移动，Pure Pursuit 够用了。如果路径复杂、需要自适应，Regulated Pure Pursuit 是很好的升级。如果环境动态变化、需要实时避障，那就得上 DWB。

我个人习惯是：先用 Pure Pursuit 快速验证，再根据问题逐步升级。别一上来就上 DWB，调参能调到你怀疑人生。