路径规划与轨迹规划的区别：路径 vs 轨迹、时间参数化、运动学约束的引入
很多刚入行的朋友问我：「路径规划和轨迹规划，不就是一回事吗？」
说实话，我当年也这么以为。直到第一次把路径直接丢给机器人跑，结果电机嘎嘎响，末端抖得像筛糠……嗯，那次之后我才真正搞明白——路径是几何的，轨迹是时间的。
这一章，我们就来掰扯清楚这两个概念的本质区别。我会结合自己踩过的坑，带你理解为什么轨迹规划必须引入时间参数化和运动学约束。
3.1 路径 vs 轨迹：几何与时间的分水岭
先给个最直白的定义：
- 路径（Path）：空间中的一条几何曲线，只描述「从哪到哪、经过哪些点」。没有速度、没有加速度、没有时间。
- 轨迹（Trajectory）：路径 + 时间信息。每个点都绑定了时刻、速度、加速度，甚至加加速度（Jerk）。
说白了，路径是地图上的路线，轨迹是开车时的油门和刹车。
核心区别一句话：路径是q(s)，轨迹是q(t)。s是路径参数（比如弧长），t是物理时间。
我在项目中遇到过一位同事，他把A*算法搜出来的路径直接发给伺服驱动器。结果机器人每到拐角就急停急启，焊缝质量一塌糊涂。为什么？因为路径只给了位置序列，没告诉机器人「什么时候该减速、什么时候该加速」。
3.2 时间参数化：给路径注入灵魂
路径规划完成后，我们得到了一串离散点或一条样条曲线。但机器人控制器需要的是每个控制周期（比如1ms）的位置指令。这就需要对路径做时间参数化。
时间参数化的本质是：
路径参数 s → 时间 t
即找到一个单调递增函数 s(t)，使得 q(t) = q(s(t))。
常见的参数化方式有三种：
| 方式 | 特点 | 适用场景 |
|---|---|---|
| 匀速参数化 | s(t) = v·t，最简单 | 传送带抓取、简单搬运 |
| 梯形速度参数化 | 加/减速段 + 匀速段 | 大多数工业机器人点位运动 |
| S形速度参数化 | 加加速度连续，运动平滑 | 高精度加工、医疗机器人 |
我的习惯：只要不是特别赶时间，我都会用S形速度参数化。虽然计算量稍大，但电机寿命和末端精度都明显更好。有一次在打磨项目里，从梯形换成S形后，表面粗糙度直接降了30%。
下面这张图展示了时间参数化的核心逻辑：
3.3 运动学约束的引入：为什么不能随便跑
你想想看，如果只给机器人一条路径，不限制速度和加速度，会发生什么？
- 速度超限：电机转速跟不上，丢步或过载报警。
- 加速度过大：末端抖动、结构共振，甚至把工件甩飞。
- 加加速度（Jerk）突变：轨迹不平滑，减速器磨损加剧。
所以，轨迹规划必须引入运动学约束。常见的约束包括：
| 约束类型 | 物理含义 | 典型限值 |
|---|---|---|
| 关节速度 | 每个关节的最大转速 | 如 180°/s |
| 关节加速度 | 电机力矩限制 | 如 360°/s² |
| 末端速度 | TCP在笛卡尔空间的最大线速度 | 如 2 m/s |
| 末端加速度 | 避免工件惯性力过大 | 如 5 m/s² |
| 加加速度 | 冲击度，影响振动和寿命 | 如 50 m/s³ |
我曾经踩过的坑：在一条汽车焊装线上，我只约束了关节速度，没管加速度。结果机器人启动瞬间电流飙升，直接跳闸。后来加了加速度约束，问题才解决。记住——速度决定能不能跑，加速度决定跑得稳不稳。
3.4 一个完整的例子：从路径到轨迹的转换
假设我们有一条直线路径，从点A(0,0)到点B(1,0)，路径长度1米。
步骤1：路径定义
// 路径：直线插补
q(s) = (s, 0), s ∈ [0, 1]步骤2：选择时间参数化方式
这里用梯形速度曲线，最大速度 v_max = 0.5 m/s，加速度 a_max = 1.0 m/s²。
步骤3：计算时间参数
加速段时间：t_acc = v_max / a_max = 0.5 s
加速段位移：s_acc = 0.5 * a_max * t_acc² = 0.125 m
匀速段位移：s_const = 1 - 2 * 0.125 = 0.75 m
匀速段时间：t_const = s_const / v_max = 1.5 s
总时间：T = 2 * 0.5 + 1.5 = 2.5 s步骤4：生成轨迹点（每10ms一个点）
t=0.00s: q=(0.000, 0), v=0.00, a=1.0
t=0.10s: q=(0.005, 0), v=0.10, a=1.0
t=0.50s: q=(0.125, 0), v=0.50, a=0.0
t=1.00s: q=(0.375, 0), v=0.50, a=0.0
t=2.00s: q=(0.875, 0), v=0.50, a=0.0
t=2.50s: q=(1.000, 0), v=0.00, a=-1.0我个人习惯：在实际工程中，我不会手动算这些。我会用样条曲线 + 时间最优参数化算法（比如TOPP或TOPP-RA）。这些算法能自动在约束下找到最快且可行的轨迹。但理解背后的梯形/S形原理很重要——调试时能快速定位问题。
3.5 路径规划与轨迹规划的协作流程
在实际机器人系统中，两个模块是串联工作的：
- 环境感知：获取障碍物、目标位置
- 路径规划：搜索无碰撞的几何路径（如RRT、A*、PRM）
- 路径平滑：用B样条或贝塞尔曲线使路径连续可微
- 时间参数化：给路径绑定时间，生成速度/加速度曲线
- 运动学约束检查：验证轨迹是否超限，必要时重新参数化
- 下发执行：将轨迹点发送给伺服控制器
这里有个容易忽略的点：路径平滑必须在时间参数化之前做。如果路径本身不光滑（比如有尖角），时间参数化后速度会突变，运动学约束根本满足不了。
避坑指南：我曾经在路径规划后直接做时间参数化，结果路径上有几个折角，导致加速度瞬间冲到10 m/s²，电机直接报错。后来在路径规划和轨迹规划之间加了一层路径平滑（用三次样条插值），问题才解决。记住——路径的光滑度决定了轨迹的可行性。
3.6 本章小结
路径规划和轨迹规划的区别，说白了就是「地图」和「驾驶」的区别。路径告诉你走哪条路，轨迹告诉你什么时候踩油门、什么时候刹车。
三个核心要点：
- 路径是几何的，只关心空间位置；轨迹是时间的，每个点都有速度、加速度。
- 时间参数化是把路径映射到时间轴的过程，梯形和S形是最常用的两种方式。
- 运动学约束是轨迹规划的硬边界，速度、加速度、加加速度一个都不能少。