4. 运动学模型：轮式机器人运动学、差速模型、阿克曼模型

聊轨迹跟踪，绕不开运动学模型。说白了，你得先知道机器人怎么动，才能谈怎么控制它动得准。我见过不少新手，一上来就调 PID 参数，结果机器人原地打转——根本原因是模型没选对。

这一章，我们就把轮式机器人的三种核心运动学模型掰开揉碎讲清楚。你想想看，差速轮和阿克曼转向，本质上就是两种完全不同的“走路方式”。

4.1 轮式机器人运动学基础

运动学模型，描述的是机器人速度与位姿变化之间的关系。它不考虑力、质量、惯性——只关心“怎么走”。

对于轮式机器人，核心假设是：纯滚动、无侧滑。嗯，理想情况。实际项目中，轮胎打滑、地面不平都会引入误差，这个我们后面章节再聊。

通用的运动学方程长这样：

状态向量：q = [x, y, θ]ᵀ
控制输入：u = [v, ω]ᵀ
运动学方程：
  ẋ = v · cos(θ)
  ẏ = v · sin(θ)
  θ̇ = ω

其中 v 是线速度，ω 是角速度。这个公式是所有轮式模型的基础骨架。

4.2 差速模型

差速模型，最常见，也最直观。两个驱动轮独立控制转速，通过转速差实现转向。万向轮只负责支撑，不提供驱动力。

我个人习惯把差速模型叫做“原地转圈模型”——因为它能实现零半径转弯。这在狭小空间里简直是神器。

4.2.1 模型推导

设左右轮转速分别为 ω_L 和 ω_R，轮半径为 r，轮距（两轮中心距离）为 L。

左轮线速度：v_L = ω_L · r
右轮线速度：v_R = ω_R · r
机器人线速度：v = (v_L + v_R) / 2
机器人角速度：ω = (v_R - v_L) / L

代入通用运动学方程，就得到了差速模型：

ẋ = (v_L + v_R)/2 · cos(θ)
ẏ = (v_L + v_R)/2 · sin(θ)
θ̇ = (v_R - v_L) / L

4.2.2 差速模型的特性

特性	说明
机动性	极高，可原地旋转（v=0, ω≠0）
轨迹类型	任意曲率半径，包括零半径
控制复杂度	低，两个输入控制三个自由度（欠驱动）
常见问题	直线行驶时容易偏航（轮径差异、地面摩擦不均）

我曾经在一个仓储机器人项目里，发现机器人总是向右偏。排查了半天，结果是左右轮子磨损程度不一样，有效半径差了 0.5mm。嗯，0.5mm 的误差，跑 10 米就能偏出将近半米。

4.3 阿克曼模型

阿克曼模型，模拟的是汽车转向方式。前轮转向，后轮驱动。所有车轮的旋转中心必须交于一点——瞬时转动中心（ICR）。

这个模型不能原地转弯，转弯半径有下限。但它在高速行驶时更稳定，因为车轮始终指向运动方向，侧滑小。

4.3.1 几何约束

阿克曼转向的核心是：内外侧前轮的转向角不同。内侧轮转角更大，这样才能保证所有车轮绕同一个圆心转动。

设：
  L_wb：轴距（前后轮距离）
  δ：前轮平均转向角
  R：转弯半径

几何关系：
  tan(δ) = L_wb / R

内侧轮转角 δ_i 与外侧轮转角 δ_o 的关系：
  cot(δ_o) - cot(δ_i) = L_track / L_wb
  其中 L_track 为轮距

实际项目中，很多低成本机器人只用单舵机控制前轮转向，内外侧转角差被忽略。这会导致轮胎磨损加剧，轨迹跟踪精度也会下降。

4.3.2 运动学方程

对于后轮驱动的阿克曼模型，控制输入通常是后轮速度 v 和前轮转向角 δ：

ẋ = v · cos(θ)
ẏ = v · sin(θ)
θ̇ = (v / L_wb) · tan(δ)

注意，这里的 v 是后轮轴中心的速度。如果前轮也驱动（四驱），模型会更复杂一些。

4.3.3 阿克曼模型的特性

特性	说明
机动性	较低，存在最小转弯半径
轨迹类型	曲率半径有下限，无法原地转向
控制复杂度	中等，需要处理转向角与速度的耦合
常见问题	低速时转向不足，高速时容易侧滑

我记得有一次做室外巡检机器人，用的阿克曼底盘。在泥泞路面上，转向角稍微大一点，前轮就开始推土——轮胎侧滑严重，轨迹完全失控。后来加了限速逻辑：转向角越大，最大允许速度越低。

4.4 两种模型的对比与选型

选哪个模型，取决于你的应用场景。我列个对比表，方便你快速决策：

对比维度	差速模型	阿克曼模型
转弯半径	0（可原地旋转）	有下限（通常 > 轴距）
高速稳定性	较差（容易侧滑）	较好（车轮指向运动方向）
机械复杂度	低（两个电机+万向轮）	高（转向机构+驱动桥）
轨迹跟踪难度	中等（偏航问题常见）	较高（转向与速度耦合）
典型应用	室内AGV、服务机器人	室外无人车、巡检机器人

我个人习惯这样选：室内、低速、需要频繁转向的场景，无脑选差速。室外、高速、需要直线稳定性的场景，选阿克曼。当然，也有混合方案——比如四轮独立转向+驱动，但那属于高阶玩法了。

4.5 知识体系总览

下面这张图，把本章的核心逻辑串起来了。你可以把它当作一个快速索引：

这张图把三种模型的关系和适用场景都标出来了。你写代码或者做方案时，可以拿它当参考。

4.6 模型误差对轨迹跟踪的影响

运动学模型再完美，也只是对真实物理系统的近似。实际项目中，模型误差是轨迹跟踪误差的主要来源之一。

• 差速模型常见误差：轮径不一致、轮距测量误差、地面摩擦不均导致滑移。
• 阿克曼模型常见误差：转向角零点漂移、轴距测量误差、轮胎侧偏刚度变化。

我曾经在一个项目中，差速机器人的轮距标称值是 500mm，实际测量只有 496mm。4mm 的误差，导致角速度计算偏差约 0.8%。跑 100 米，角度误差累计超过 4.6 度——轨迹末端偏了将近 8 米。