路径规划入门：从基本概念到工程实践

各位同学，欢迎来到路径规划的第一课。说实话，我刚开始接触这个领域时，也踩过不少坑。记得有一次，我花了整整一周调试一个路径规划算法，结果发现是混淆了「路径」和「轨迹」的概念。嗯，今天我们就从最基础的东西讲起。

2.1 路径规划的基本概念

路径规划，说白了就是回答三个问题：

• 从哪里出发？——起始状态
• 要去哪里？——目标状态
• 怎么走？——避开障碍物，满足约束

我在做AGV项目时，遇到过这样一个场景：仓库里有几十个货架，机器人要从A点走到B点。如果只考虑最短路径，可能会撞到货架；如果只考虑避障，路径可能绕很远。所以，路径规划本质上是一个多目标优化问题。

2.2 工作空间与构型空间

这两个概念，我当年学的时候也觉得抽象。后来做项目多了，才真正理解它们的价值。

2.2.1 工作空间（Workspace）

工作空间就是机器人实际活动的物理空间。比如一个六轴机械臂，它的工作空间就是手臂末端能到达的所有位置组成的区域。你想想看，如果机械臂装在流水线上，工作空间就是它周围那一片区域。

2.2.2 构型空间（Configuration Space / C-Space）

构型空间就有点意思了。它把机器人的每个关节角度、位置都看作一个维度。比如一个平面移动机器人，它的构型就是 (x, y, θ)，所以构型空间是三维的。

为什么要引入构型空间？因为在构型空间里做路径规划，比在工作空间里简单得多。我曾经在做一个协作机器人项目时，直接在工作空间里规划路径，结果算法复杂度爆炸。后来换成构型空间，问题一下子就清晰了。

下面这张图展示了工作空间和构型空间的关系：

2.3 路径与轨迹的区别

这个问题，我面试过不少工程师，能说清楚的人不多。其实区别很简单：

维度	路径（Path）	轨迹（Trajectory）
定义	空间中的几何曲线	带时间信息的路径
包含信息	位置序列 (x, y, z)	位置 + 速度 + 加速度
约束	几何约束（避障）	动力学约束（加速度、力矩）
典型应用	全局路径规划	运动控制、插补

举个例子你就明白了。路径就像地图上画的一条线，告诉你「走这条路」。而轨迹告诉你「什么时候走到哪里，速度多快」。我曾经调试一个码垛机器人，路径规划没问题，但轨迹没调好，结果机器人到点后剧烈抖动。后来加了S型速度曲线，问题就解决了。

2.4 常见路径表示方法

路径怎么表示？这取决于你的应用场景。我整理了几种常见的方法：

2.4.1 路径点序列（Waypoints）

最简单的方式，就是一系列离散点。比如：

// 路径点序列示例
waypoints = [
  {x: 0.0, y: 0.0, z: 0.0},
  {x: 1.0, y: 0.5, z: 0.0},
  {x: 2.0, y: 1.0, z: 0.0},
  {x: 3.0, y: 1.5, z: 0.0}
]

这种方式简单直观，但路径不平滑。我在做AGV导航时，如果直接用路径点，机器人走起来会一顿一顿的。所以通常需要做插值。

2.4.2 多项式曲线

用多项式函数表示路径，比如三次样条、五次多项式。优点是平滑，适合高速运动。

// 三次多项式示例
x(t) = a0 + a1*t + a2*t^2 + a3*t^3
y(t) = b0 + b1*t + b2*t^2 + b3*t^3

2.4.3 B样条曲线

B样条是工业界最常用的路径表示方法之一。它局部可控，修改一个控制点只影响局部路径。我做过一个激光切割项目，用B样条表示切割路径，调整起来非常方便。

2.4.4 混合表示法

实际项目中，我经常混合使用多种表示方法。比如全局路径用路径点序列，局部路径用B样条平滑。这样既保证了全局的灵活性，又保证了局部的平滑性。

2.5 本章小结

好了，这一章的内容就到这里。我们讲了路径规划的基本概念、工作空间与构型空间、路径与轨迹的区别，以及常见的路径表示方法。这些都是后续章节的基础，一定要理解透彻。

最后分享一个我自己的经验：做路径规划，先想清楚「在哪个空间规划」和「用什么表示路径」。这两个问题想明白了，后面的工作就顺了。