一、轨迹规划概述：从“怎么走”到“怎么走得好”
大家好，欢迎来到《轨迹规划：从零到精讲》的第一章。
我是你们这门课的主讲。在机器人这行摸爬滚打了十来年，我见过太多新手一上来就啃最优控制、微分平坦，结果被数学公式劝退。其实，轨迹规划没那么玄乎。说白了，它就是解决一个问题：“让机器人怎么动，才能又快、又稳、还不撞墙？”
嗯，咱们今天就把这个“怎么动”彻底聊透。
1.1 什么是轨迹规划？
先别急着翻书。我问你一个场景：你让家里的扫地机器人去扫茶几底下。它得先知道茶几在哪儿（定位），然后决定怎么绕开沙发腿（路径规划），最后——以多快的速度、多大的转弯半径、什么时候加速、什么时候减速——这就是轨迹规划。
所以，轨迹规划 ≠ 路径规划。
- 路径规划：只关心“走哪条路”，不关心“怎么走”。比如 A* 算法给你一串离散点。
- 轨迹规划：在路径的基础上，加上时间信息。它输出的是：
位置 q(t)、速度 q̇(t)、加速度 q̈(t)，甚至加加速度 jolt。
核心公式（记住这个就够了）：
轨迹 = 路径 + 时间律
路径是几何的，轨迹是时间的。
我个人习惯把轨迹规划比作“编舞”。路径是舞步的脚印，轨迹是舞者什么时候抬腿、什么时候转圈、什么时候定格。你想想看，一个机器人如果只有路径没有轨迹，它就会像刚学会走路的孩子——要么突然急刹，要么猛地一冲，浑身抖得像筛糠。
1.2 轨迹规划在机器人系统中的地位
我经常跟团队里的新人说：轨迹规划是机器人系统的“腰”。为什么是腰？
- 上层：感知、定位、决策、路径规划。它们告诉你“去哪儿”。
- 下层：运动学、动力学、电机控制、伺服驱动。它们负责“执行”。
- 中间层（腰）：轨迹规划。它把上层的“去哪儿”翻译成下层能理解的“怎么动”。
腰不好，上下脱节。我在项目中遇到过好几次：路径规划给了一条完美的避障路径，但轨迹规划没做好，加速度跳变太大，导致机械臂末端抖动，抓取精度直接掉了 0.5mm。嗯，0.5mm 在精密装配里就是废品。
所以，轨迹规划的质量直接决定了：
- 安全性：会不会急停、会不会超速、会不会撞到人。
- 舒适性（尤其是人机协作）：乘客/操作员会不会觉得晕。
- 精度：末端执行器能不能准确定位。
- 效率：能不能在满足约束的前提下跑得最快。
一个小技巧： 判断一个机器人系统“成熟不成熟”，别光看它能不能走，看它启动和停止的那一瞬间——如果加速度曲线是平滑的，说明轨迹规划到位了；如果加速度有尖峰，说明还在“裸奔”。
1.3 常见应用场景
轨迹规划不是某个细分领域的专属。我这些年做过的项目，几乎每个机器人类型都离不开它。咱们挑三个最典型的说说。
1.3.1 机械臂
机械臂的轨迹规划，核心是关节空间 vs 笛卡尔空间。
- 关节空间规划：只关心每个关节从角度 A 转到角度 B，不考虑末端走了什么形状。优点是计算快，适合点焊、码垛。
- 笛卡尔空间规划：要求末端走直线、圆弧或者样条曲线。适合涂胶、切割、精密装配。
我曾经给一个 6 轴机器人做涂胶轨迹。客户要求胶线宽度误差不超过 0.2mm。关节空间规划根本不行——末端走的是一条弧线，胶线粗细不均。后来换成笛卡尔空间的 S 型速度规划，配合前瞻算法，才把问题搞定。
1.3.2 移动机器人（AGV/AMR）
移动机器人的轨迹规划，难点在于非完整约束。说白了，车不能横着走，也不能原地掉头（除非是麦克纳姆轮）。
常见的轨迹形式：
- Dubins 曲线：最短路径，但曲率不连续，需要停车换向。
- Reeds-Shepp 曲线：允许倒车，适合狭窄空间。
- 多项式/贝塞尔曲线：平滑性好，适合高速行驶。
我记得有一次做仓储 AGV，路径规划给了个直角转弯。如果直接用梯形速度规划，车在转弯处会急刹，货物全倒了。后来加了回旋线（Clothoid）过渡，曲率连续变化，转弯稳得像老司机。
1.3.3 无人机（UAV）
无人机的轨迹规划，比地面机器人多了一个维度——Z 轴。而且动力学更复杂：有俯仰、滚转、偏航，还有推力限制。
无人机轨迹规划的几个关键点：
- 时间最优：穿越机竞速，要在满足推力约束下飞得最快。
- 能量最优：巡检无人机，要省电，延长续航。
- 避障：动态环境下的重规划，比如躲避飞鸟。
我参与过一个编队飞行项目。单机轨迹规划还好说，多机编队要考虑碰撞避免和通信延迟。我们用的是Minimum Snap轨迹生成，把轨迹表示成多项式，然后优化高阶导数。效果不错，但调参调得我头秃。
1.4 课程大纲与学习路径
这门课一共 30 章。我把它分成四个阶段，像打游戏一样，层层递进。
| 阶段 | 章节 | 核心内容 | 难度 |
|---|---|---|---|
| 基础篇 | 1-8 | 数学基础、运动学、插值、多项式轨迹、梯形/S 型速度规划 | ⭐⭐ |
| 进阶篇 | 9-16 | 最优控制、Minimum Snap/Jerk、B 样条、贝塞尔曲线、时间最优 | ⭐⭐⭐ |
| 实战篇 | 17-24 | 机械臂笛卡尔规划、移动机器人路径平滑、无人机轨迹生成、避障重规划 | ⭐⭐⭐⭐ |
| 专题篇 | 25-30 | 非线性优化、MPC 轨迹跟踪、学习型轨迹规划、工程落地与调参 | ⭐⭐⭐⭐⭐ |
避坑指南： 我曾经见过不少同学，基础篇没学扎实就直接跳到 Minimum Snap。结果连多项式求导都算错，优化出来的轨迹加速度直接爆表。我的建议是：前 8 章，一章都不要跳。 尤其是第 3 章的样条插值和第 5 章的 S 型速度规划，这是后面所有高级算法的地基。
学习路径上，我建议你：
- 先动手：每章都有配套的 Python 示例。别光看，跑一遍，改参数，看效果。
- 再理解：公式推导我会带着你一步步走，但你要自己推一遍。
- 后总结：每章结束，用你自己的话写一段总结。写不出来，说明没真懂。
1.5 本章知识体系
下面这张图，把本章的核心逻辑串起来了。你可以把它当作整个课程的“导航图”。
这张图里，我把轨迹规划拆成了三个应用分支。每个分支下面，又列出了它们最核心的挑战。你注意看底部的总结框——“路径 + 时间 = 轨迹”，这是贯穿整门课的第一性原理。
1.6 写在第一章结尾
好了，第一章就到这里。内容不多，但都是干货。
我特意没在这一章塞太多公式。因为我觉得，在动手之前，先搞清楚“我们为什么要学这个”、“学了这个能解决什么问题”，比什么都重要。
从下一章开始，我们会正式进入数学基础。别怕，我会用最直观的方式讲给你听。
嗯，咱们第二章见。