1. 轨迹跟踪概述

各位好，我是老张。今天开始咱们聊轨迹跟踪。说实话，这个领域我摸爬滚打了十几年，踩过的坑比走过的路还多。先别急着上公式，咱们先搞清楚——到底什么是轨迹跟踪？

1.1 什么是轨迹跟踪

说白了，轨迹跟踪就是让一个运动体（机器人、汽车、无人机）沿着一条预先规划好的路径走，并且走得准、走得稳。

你想想看，规划层给你一条曲线，控制层要让实际位置和这条曲线的偏差尽可能小。就这么简单？嗯，做起来可没那么容易。

我个人习惯把轨迹跟踪分成两类：

• 路径跟踪——只关心空间位置，不关心时间。比如扫地机器人沿着墙边走，快一点慢一点无所谓。
• 轨迹跟踪——既要空间位置对，又要时间节点对。比如自动驾驶汽车必须在绿灯结束前通过路口，晚了就违章了。

我在项目中遇到过不少工程师把这两个概念混着用，结果调试的时候发现控制目标都不明确，白白浪费了两周时间。

1.2 应用场景

轨迹跟踪不是实验室里的玩具，它已经渗透到各个行业了。我挑几个典型的说说。

领域	典型应用	精度要求	我踩过的坑
工业机器人	焊接、喷涂、装配	±0.1mm ~ ±1mm	焊接轨迹偏差大了，焊缝直接报废
自动驾驶	车道保持、自动泊车	±10cm ~ ±30cm	泊车轨迹偏差导致蹭轮毂
移动机器人	AGV、仓储搬运	±1cm ~ ±5cm	AGV偏航撞货架，赔了不少钱
无人机	航拍、巡检、编队	±0.5m ~ ±2m	编队跟踪偏差导致撞机

1.3 核心挑战

做轨迹跟踪这么多年，我觉得真正的难点不在算法本身，而在下面这几个地方。

1.3.1 模型不确定性

你建的数学模型永远不可能完全等于真实系统。轮胎的摩擦系数、电机的惯量、机械臂的柔性——这些参数要么测不准，要么随时间变化。

我曾经在一个六轴机器人项目里，模型参数标定花了三周，结果装上负载后参数全变了。嗯，从那以后我再也不敢完全信任模型了。

1.3.2 外部扰动

地面不平、风力干扰、负载变化……这些扰动你没法提前预知。控制器必须有能力在扰动下仍然保持跟踪精度。

1.3.3 执行器约束

电机有最大转速、最大扭矩，舵机有最大转角。你算出来的控制量再漂亮，执行器做不到也是白搭。

1.3.4 实时性要求

控制周期通常是毫秒级的。你算法再先进，算得太慢就没意义了。我见过有人用非线性MPC做轨迹跟踪，效果确实好，但一个控制周期要算50ms，机器人早跑飞了。

1.4 轨迹跟踪的知识体系

下面这张图是我自己整理的轨迹跟踪知识框架，这些年带新人都是拿这张图给他们讲。

这张图我用了好多年。每次带新人，我都先让他们看这张图，搞清楚自己现在在哪个位置，下一步往哪走。

1.5 误差分析为什么重要

你可能会问：既然有控制算法，为什么还要专门分析误差？

原因很简单——没有误差分析，你根本不知道控制器该往哪个方向调。

我记得有一次调试AGV，跟踪误差一直在±3cm左右晃。我一开始以为是PID参数没调好，调了两天没效果。后来仔细做误差分析，发现是编码器安装偏心导致的周期性误差。换了编码器，误差直接降到±0.5cm。

后面的章节，我会带着大家一步步拆解各种误差的来源、特征和解决方法。咱们先从最基础的开始，把底子打牢。