3、局部路径规划参数：DWA算法参数详解、速度采样空间、预测轨迹时长
局部路径规划里，DWA（Dynamic Window Approach）是我用得最多的算法。说白了，它就是个“贪心”的决策器——每一帧都从当前状态出发，采样一堆可能的运动，然后挑一条最好的轨迹去执行。
但问题来了：采样怎么采？轨迹怎么评？时长设多长？这三个问题没搞清楚，机器人要么原地打转，要么一头撞墙。我刚开始调DWA的时候，就吃过不少亏。
3.1 DWA的核心思想：速度空间里的“窗口”
DWA不直接规划路径，它规划的是速度。每一帧，机器人根据当前速度、加速度限制、障碍物距离，算出一个“能安全到达的速度集合”——这就是动态窗口。
然后在这个窗口里采样多组(v, ω)，模拟未来一段时间的轨迹，选代价最小的执行。
核心公式（简化版）：
Vr = Vs ∩ Va ∩ Vd- Vs：机器人硬件能跑的速度范围（最大最小线速度、角速度）
- Va：电机加减速能力决定的“下一帧能到达的速度”
- Vd：能安全停下（不撞障碍物）的速度集合
三者的交集，就是动态窗口。
嗯，这里要注意：Vd 是DWA能避障的关键。如果窗口里所有速度都会撞，那机器人就只能急刹。我曾经在仓库项目里遇到过——货架通道太窄，Vd直接为空，机器人原地愣住。后来加了“减速绕行”的兜底逻辑才解决。
3.2 速度采样空间：到底要采多少组？
采样空间由三个参数控制：
| 参数 | 含义 | 典型值 | 我踩过的坑 |
|---|---|---|---|
| max_vel_x / min_vel_x | 线速度范围（m/s） | 0.0 ~ 0.5 | 设太大，转弯时侧滑严重 |
| max_vel_theta / min_vel_theta | 角速度范围（rad/s） | -1.0 ~ 1.0 | 设太小，原地掉头要转半天 |
| vx_samples / vtheta_samples | 线速度/角速度采样份数 | 6 ~ 10 / 10 ~ 20 | 采样太多，CPU扛不住 |
你想想看，如果vx_samples=10，vtheta_samples=20，那每帧就要算200条轨迹。在嵌入式平台上，这很容易把CPU吃满。我个人习惯：先设小（6×10=60条），跑通了再慢慢加。
小技巧： 如果机器人主要走直线，可以适当减少vtheta_samples；如果经常原地旋转，就多分几份角速度。我在AGV项目里就是这么干的——直线段用4×8，转弯区域动态切换到8×16。
3.3 预测轨迹时长：看多远，决定稳不稳
这个参数叫 sim_time，单位秒。它决定了DWA模拟轨迹的时候，往前看多久。
- sim_time 太短（0.5s以下）：机器人只看眼前，容易钻死角，或者频繁急转弯。
- sim_time 太长（3s以上）：计算量大，而且预测不准——环境一变，轨迹就废了。
- 我常用的范围：1.0s ~ 2.0s，室内移动机器人1.5s是个不错的起点。
为什么会这样？因为DWA假设未来一段时间内障碍物不动。sim_time越长，这个假设越容易失效。我记得在动态人多的场景里，sim_time设到2.5s，机器人经常对着人预测一条“完美绕行轨迹”，结果人一动，轨迹直接撞上。
避坑指南： 我曾经在走廊场景里把sim_time设到3.0s，结果机器人每次到拐角都提前减速，后面的人以为它坏了。后来改成1.2s，配合更频繁的规划周期，反而更流畅。
3.4 轨迹评价函数：谁是好轨迹？
采样完轨迹，DWA用加权打分来选最优。ROS里默认的评价项有：
cost = α * 朝向代价 + β * 障碍物代价 + γ * 速度代价 + δ * 路径跟随代价每个权重的意义：
| 权重 | 含义 | 调大效果 | 调小效果 |
|---|---|---|---|
| α（朝向） | 轨迹终点朝向与目标方向的偏差 | 机器人更早转向目标 | 容易走“之”字形 |
| β（障碍物） | 轨迹离障碍物的最近距离 | 避障更激进 | 容易贴边蹭墙 |
| γ（速度） | 鼓励走快还是走慢 | 跑得快，但转弯急 | 慢吞吞，但安全 |
| δ（路径跟随） | 轨迹与全局路径的贴合度 | 严格走全局路径 | 绕路但灵活 |
我个人习惯：先调β和γ。障碍物权重太低，机器人会撞；速度权重太高，转弯会甩尾。我一般把β设为γ的2~3倍，保证安全优先。
3.5 DWA参数调优流程（我自己的套路）
- 固定sim_time=1.5s，采样数先用6×10。
- 调速度范围：让机器人能正常走直线、转直角弯。
- 调β（障碍物权重）：在障碍物前1米左右开始减速，不撞就行。
- 调γ（速度权重）：让机器人尽量走快，但不出现急刹。
- 最后调α和δ：如果机器人总跑偏，就加大α；如果总抄近道，就加大δ。
记住： 每次只改一个参数，改完跑一圈看看效果。我见过太多人一次改三个参数，然后不知道问题出在哪。
3.6 DWA参数与速度采样空间关系图
下面这张图展示了DWA的核心流程：从速度空间到动态窗口，再到轨迹采样和评价。
3.7 实战调参建议
如果你用的是ROS Navigation Stack，DWA参数通常在 dwa_local_planner_params.yaml 里。我建议你这样开始：
DWAPlannerROS:
# 速度范围
max_vel_x: 0.5
min_vel_x: 0.0
max_vel_theta: 1.0
min_vel_theta: -1.0
# 加速度限制
acc_lim_x: 0.5
acc_lim_theta: 0.8
# 采样参数
vx_samples: 8
vtheta_samples: 16
# 预测时长
sim_time: 1.5
# 权重
path_distance_bias: 32.0 # δ
goal_distance_bias: 24.0 # α
occdist_scale: 0.5 # β（注意：这里值越小，避障越激进）
forward_point_distance: 0.3 # 前视距离一个小秘密： occdist_scale 这个参数，ROS里默认是0.01，但实际用起来太小了。我一般从0.5开始调，如果机器人离障碍物太近才转向，就加大到1.0；如果离老远就开始绕，就减小到0.2。
好了，DWA的参数就这些。你调的时候别急，一个一个来。先把sim_time和采样数固定，再调权重，最后微调速度范围。这样走一遍，机器人的表现基本就稳了。