一、轨迹规划概述：从入门到理解本质

大家好，我是老张。在机器人这行摸爬滚打了十几年，今天咱们聊聊轨迹规划。说实话，很多新手一上来就被各种公式吓住了。其实没那么玄乎。

轨迹规划是什么？说白了，就是让机器人知道「怎么动」的一门技术。你告诉它要去哪，它自己算出每一步该怎么走、走多快、什么时候停。嗯，就这么简单。

1.1 轨迹规划在机器人系统中的地位

我经常跟团队说一句话：感知是眼睛，决策是大脑，轨迹规划就是手脚。没有轨迹规划，机器人就是个「知道该干嘛但动不了」的废物。

你看一个完整的机器人系统架构：

• 感知层：激光雷达、摄像头、IMU 采集环境数据
• 决策层：任务分配、行为选择、全局路径搜索
• 轨迹规划层：生成平滑、安全、可执行的运动曲线
• 控制层：PID、MPC 等底层控制器跟踪轨迹
• 执行层：电机、液压、气动等硬件执行

轨迹规划卡在中间，承上启下。决策层告诉你「去A点」，控制层只知道「怎么让电机转」。轨迹规划负责把「去哪」翻译成「怎么动」。我在项目中遇到过太多次，决策层规划了一条完美的路径，但轨迹规划没做好，机器人跑起来一顿一顿的，最后撞墙了。

1.2 轨迹规划 vs 路径规划：别再搞混了

这个问题我面试必问。很多人答不上来，或者答得模棱两可。咱们一次说清楚。

对比维度	路径规划	轨迹规划
输出	空间中的几何路径（点集）	带时间信息的运动曲线
关注点	避障、连通性、最短路径	速度、加速度、平滑性、执行时间
典型算法	A*、Dijkstra、RRT、PRM	多项式插值、B样条、梯形速度曲线
约束类型	几何约束（障碍物、边界）	运动学/动力学约束（最大速度、力矩）
举个栗子	地图上画一条不撞墙的线	告诉机器人「沿着这条线，前2秒加速到1m/s，中间匀速，最后1秒减速停下」

你想想看，路径规划只关心「走哪条路」，不关心「怎么走」。而轨迹规划关心的是「怎么走才稳、才快、才安全」。我习惯把路径规划比作导航软件给你画了一条路线，轨迹规划则是告诉你「什么时候踩油门、什么时候刹车、转弯时打多少方向盘」。

1.3 常见的应用场景

轨迹规划不是纸上谈兵。我参与过的项目里，几乎每个机器人系统都离不开它。咱们挑三个典型的说说。

机械臂：从点焊到抓取

机械臂的轨迹规划，核心是关节空间 vs 笛卡尔空间的选择问题。

• 关节空间规划：只关心每个关节从角度A转到角度B，计算简单、速度快。适合点焊、喷涂等对末端姿态不敏感的任务。
• 笛卡尔空间规划：控制末端执行器走直线或圆弧，适合装配、搬运等需要精确路径的任务。

我记得有一次做手机壳打磨项目，要求末端走一个椭圆轨迹。用关节空间规划，末端走的路径歪歪扭扭，打磨出来全是纹路。换成笛卡尔空间规划，用五次多项式插值，末端轨迹误差控制在0.1mm以内，效果立竿见影。

移动机器人：从扫地到仓储

移动机器人的轨迹规划，难点在于非完整约束。你想想看，汽车不能横着走，差速轮机器人转弯有最小半径。轨迹规划必须考虑这些。

常见的做法是分两层：

1. 全局轨迹规划：基于地图生成一条从起点到终点的参考轨迹
2. 局部轨迹规划：实时感知周围障碍物，动态调整轨迹

我在做仓储AGV项目时，遇到过一个问题：全局轨迹规划出来的路径太理想化，实际运行时轮子打滑、地面不平，轨迹偏差越来越大。后来加了局部轨迹规划，用DWA（动态窗口法）实时修正，才把定位精度从10cm拉到2cm以内。

自动驾驶：从车道保持到避障

自动驾驶的轨迹规划，可以说是难度最高的。为什么？因为实时性要求极高，而且涉及多目标博弈。

自动驾驶轨迹规划通常分三层：

层级	任务	典型方法	更新频率
路由层	从A到B的宏观路线	A*、Dijkstra	秒级
行为层	变道、跟车、让行等决策	状态机、决策树	百毫秒级
运动层	生成具体的转向、油门、刹车指令	多项式曲线、MPC	十毫秒级

我参与过一个园区无人驾驶项目，最头疼的是十字路口博弈。两辆车同时到达，谁先走？轨迹规划不仅要算自己的轨迹，还要预测对方的轨迹。后来我们用了一种基于博弈论的轨迹规划方法，把双方意图建模成代价函数，才解决了这个死锁问题。