4. 轨迹规划概论

轨迹规划，说白了就是回答三个问题：去哪、怎么去、去得怎么样。我刚开始接触这个领域时，总觉得它跟路径规划差不多。后来踩过几次坑才明白——路径只关心空间位置，轨迹还要加上时间维度。你想想看，同样一条路径，走快了可能抖得跟筛子似的，走慢了又影响效率。这就是轨迹规划要解决的核心矛盾。

轨迹规划，是在给定起点、终点和约束条件的前提下，生成一条满足运动学/动力学限制的、连续平滑的位置-时间曲线。它跟路径规划最大的区别在于：路径规划输出的是几何路径（只有空间信息），而轨迹规划输出的是带时间戳的运动序列。

核心公式：轨迹 = 路径 + 时间律

用数学语言描述：轨迹规划就是求解函数 q(t)，使得 q(t) 在 [t₀, t₁] 上连续可微，且满足速度、加速度、加加速度等约束。

我在项目中遇到过不少工程师，把路径规划和轨迹规划混为一谈。结果呢？路径跑通了，一上速度就报警。嗯，这里要注意：路径是几何问题，轨迹是运动学问题，两者不能划等号。

轨迹规划可以从多个维度分类。我个人习惯按应用场景和算法特性来划分，这样更贴近工程实践。

关节空间规划，说白了就是控制每个电机怎么转。笛卡尔空间规划，则是控制末端执行器怎么走直线、画圆弧。我建议初学者先从关节空间入手，因为不用处理逆运动学的奇异性问题，调试起来更友好。

评价一条轨迹好不好，不能光看它能不能到终点。我总结了五个核心指标，你在实际项目中可以对照着来选型。

我的经验：这五个指标往往互相矛盾。比如时间最优和平滑性就是一对冤家。我曾经在一个高速分拣项目里，为了抢节拍把加速度推到极限，结果末端抖动导致抓取失败。后来把加加速度约束加进去，节拍慢了5%，但成功率从82%提到了99%。

做轨迹规划这么多年，我觉得真正的难点不在算法本身，而在工程落地。下面这几个坑，我几乎每个项目都遇到过。

速度、加速度、加加速度不是独立的。你压低了速度，加速度自然就小了。但反过来，你想提高速度，加速度和加加速度都会跟着涨。这种耦合关系让多目标优化变得非常棘手。

在线重规划必须在毫秒级完成。我记得有个焊接项目，机器人需要实时避开移动的工件。离线算好的轨迹根本不能用，只能上模型预测控制（MPC）。但MPC的计算量又大，最后折腾了好久才把求解时间压到5ms以内。

你规划的轨迹再完美，实际系统也不一定跑得出来。摩擦、间隙、柔性变形，这些因素在建模时很难精确描述。我曾经遇到过一台老旧的六轴机器人，按理论模型规划的轨迹，跑起来末端误差超过2mm。后来加了在线补偿才勉强达标。

避坑指南：千万不要完全相信仿真结果。仿真里跑得丝滑的轨迹，到实际设备上可能抖成筛子。我建议你在规划阶段就预留20%的裕量，给实际系统的非线性留点余地。

笛卡尔空间规划时，如果路径经过奇异位形，关节速度会瞬间飙升到无穷大。这不是算法能解决的，必须从路径层面规避。我一般会在规划前做奇异位形检测，如果路径离奇异点太近，就绕道走。

下面这张图是我梳理的轨迹规划知识体系，你可以把它当作学习路线图。

这张图把轨迹规划的核心要素串起来了。从定义出发，到分类、评价指标，再到工程挑战，每一步都有对应的技术选型。我个人建议你把它打印出来贴在工位上，做项目时对照着看，不容易漏掉关键环节。

轨迹规划不是孤立的技术，它跟运动学、动力学、控制理论都紧密相关。这一章我们理清了基本概念和评价体系，后面几章会深入具体的规划算法。记住一点：没有最好的轨迹，只有最合适的轨迹。选型时多问问自己——我的系统最在意什么？是速度、精度，还是稳定性？想清楚了再动手。