一、轨迹跟踪概述

大家好，欢迎来到《轨迹跟踪算法系统详解》。我是你们这门课的主讲人，一个在机器人控制领域摸爬滚打了十几年的工程师。

咱们开门见山。轨迹跟踪，说白了就是让机器人按照我们给它规划好的路线走。你给它一条路，它得老老实实、稳稳当当地走过去。听起来简单？其实里面门道很多。

我刚开始做这个方向时，总觉得不就是个“追着目标跑”嘛。直到有一次，我负责的AGV小车在仓库里因为跟踪误差过大，直接撞上了货架……嗯，从那以后，我再也不敢小看这个“跟踪”二字了。

1.1 什么是轨迹跟踪？

先搞清楚两个容易混淆的概念：路径规划和轨迹跟踪。

• 路径规划：只关心空间位置，比如从A点到B点怎么走，不关心时间。
• 轨迹跟踪：不仅要走对路，还要在正确的时间到达正确的位置，并且保持正确的速度和姿态。

举个例子。自动驾驶汽车，路径规划告诉你“前方500米右转”。轨迹跟踪则要保证：你在第10秒时，车身中心正好在转弯入口，车速30km/h，方向盘转角精确到度。差一点，就可能压线或者甩尾。

我个人习惯把轨迹跟踪问题拆成三个维度：空间对齐（位置准不准）、时间对齐（时机对不对）、动态对齐（速度和加速度跟不跟得上）。

1.2 应用场景

轨迹跟踪不是实验室里的玩具。它已经渗透到我们生活的方方面面。我挑三个最典型的场景聊聊。

1.2.1 自动驾驶

这是目前最火的方向。从L2级的车道保持，到L4级的城区领航，核心都是轨迹跟踪。

• 横向控制：方向盘怎么打，才能让车沿着车道中心线走？
• 纵向控制：油门刹车怎么配合，才能平稳跟车、准确停车？
• 横纵耦合：过弯时既要减速又要转向，怎么协调？

我记得2018年做的一个项目，测试车在高速上做换道跟踪。算法在仿真里跑得完美，一上路就左右摇摆。后来发现是轮胎侧偏刚度模型没校准。你看，理论和实践之间，差的就是这些细节。

1.2.2 机器人臂

工业机械臂的轨迹跟踪，要求极高。焊接、喷涂、装配，这些任务对路径重复精度和速度平滑性都有苛刻要求。

• 关节空间跟踪：控制每个关节的角度，让末端走直线。
• 笛卡尔空间跟踪：直接控制末端在三维空间中的位姿。
• 力位混合跟踪：打磨、抛光时，既要跟踪轨迹，又要控制接触力。

你想想看，一个六轴机械臂，每个关节都有摩擦、惯性和弹性变形。要让末端画一个完美的圆，误差控制在0.1毫米以内，这可不是简单的事。

1.2.3 无人机

无人机航拍、巡检、编队飞行，都离不开轨迹跟踪。但无人机比地面机器人多了一个维度——高度，而且动力学更复杂、更不稳定。

• 悬停跟踪：抗风扰动，保持位置。
• 航点跟踪：按顺序飞过预设点。
• 动态轨迹跟踪：跟踪一条连续变化的曲线，比如穿越机竞速。

我曾经调试过一架四旋翼，在室外有风时跟踪一个8字形轨迹。PID参数调了一周，结果发现是IMU的安装偏角没标定。所以说，做控制，传感器校准是第一步。

1.3 系统架构

一个完整的轨迹跟踪系统，不是只有一个控制器。它是一套组合拳。下面这张图是我自己总结的通用架构。

这个架构里，有几个关键模块：

1. 参考轨迹生成：上游规划模块给出的期望路径，通常包含位置、速度、加速度的时间序列。
2. 前馈控制器：根据参考轨迹的“未来信息”提前计算控制量。比如，知道前面要上坡，提前加大油门。
3. 反馈控制器：根据实际状态与参考状态的偏差，实时修正控制量。这是抗干扰的主力。
4. 被控对象：机器人本体，包括执行器、传动机构、车体/机体等。
5. 传感器与状态估计：提供实际状态的反馈。GPS、IMU、编码器、视觉里程计……数据融合是关键。

1.4 评价指标

怎么判断一个轨迹跟踪算法好不好？不能光靠“感觉”。我们需要量化的指标。下面是我在项目中常用的几个。

指标	定义	典型要求	我的备注
最大跟踪误差	整个跟踪过程中，实际轨迹与参考轨迹的最大偏差	自动驾驶：<0.3m；机械臂：<0.5mm	反映最坏情况，安全相关
均方根误差(RMSE)	误差的平方和取平均再开方	越小越好	反映整体精度，我常用这个
收敛时间	从初始偏差到进入稳态误差带所需时间	越快越好	启动和切换轨迹时特别重要
控制能量	控制量的平方积分，反映能耗	在满足精度前提下尽量小	电池供电的机器人，这个很关键
鲁棒性	在模型误差、外部扰动下的性能保持能力	定性+定量分析	我一般加10%的参数摄动测试

另外，还有一个指标叫跟踪延迟。说白了就是实际轨迹比参考轨迹“慢”了多少。这在高速跟踪中很致命。比如无人机穿越，延迟50ms可能就撞树了。

好了，第一章的内容就到这里。轨迹跟踪的概念、应用、架构和评价指标，这些是后续所有算法的基础。你把这些搞清楚了，后面学具体算法时，就知道每个模块在解决什么问题。