一、轨迹规划概述：从“怎么走”到“走得好”
大家好，我是老张。在机器人这行摸爬滚打了十几年，今天咱们聊聊轨迹规划。
说白了，轨迹规划就是回答一个问题：机器人怎么从A点走到B点？
你可能会说，这还不简单？直线走过去不就行了？嗯，如果路上空无一物，确实可以。但现实世界哪有那么干净？
我2018年做一个仓储机器人项目时，就遇到过这种情况。仓库里堆满了货架，机器人要穿过一条只有60厘米宽的通道，两侧全是易碎品。直线走？撞得稀碎。绕远路？效率太低。这时候，轨迹规划的价值就体现出来了。
1.1 什么是轨迹规划？
轨迹规划，不是简单的路径规划。
路径规划只告诉你“走哪条路”，比如从北京到上海，走京沪高速。但轨迹规划要告诉你：什么时候加速、什么时候减速、拐弯时速度多快、最终停在哪个精确位置。
用公式表达就是：
轨迹 = 路径 + 时间信息
即：q(t) = [x(t), y(t), θ(t), v(t), ω(t)]其中q(t)是机器人在t时刻的状态，包括位置、朝向、线速度、角速度。
我个人习惯把轨迹规划分成两类：
- 全局轨迹规划：事先规划好整条轨迹，适合静态环境
- 局部轨迹规划：边走边规划，适合动态环境
复杂避障场景，两者缺一不可。
1.2 为什么在复杂避障场景中它如此重要？
你想想看，一个工厂车间里，有移动的AGV、有突然出现的工人、有临时堆放的物料。如果机器人只会走直线，那它就是个“瞎子”。
我做过一个汽车焊装车间的项目，机器人要在20秒内完成焊接，同时避开3台移动的AGV。有一次，AGV突然急刹车，机器人如果按原轨迹走，肯定撞上。幸好轨迹规划算法实时调整了速度曲线，在最后0.3秒刹住了车。
为什么会这样？因为轨迹规划提供了三个关键能力：
| 能力 | 作用 | 我的经验 |
|---|---|---|
| 避障能力 | 实时检测障碍物并调整轨迹 | 别只依赖传感器，算法要留余量 |
| 平滑能力 | 避免急停急转，保护机械结构 | 电机抖动多半是轨迹不平滑 |
| 实时能力 | 毫秒级响应，适应动态环境 | 我曾经吃过10ms延迟的亏 |
1.3 核心评价指标：平滑性、安全性、实时性
这三个指标，是衡量轨迹规划好坏的“三把尺子”。
1.3.1 平滑性
平滑性，说白了就是轨迹“顺不顺”。
我见过一些新手写的轨迹，速度曲线像锯齿一样，机器人走起来一卡一卡的。这不仅影响效率，还会加速电机磨损。
平滑性的量化指标通常有：
- 加加速度（Jerk）：加速度的变化率，越小越平滑
- 曲率连续性：路径曲率不能突变
- 速度波动率：实际速度与目标速度的偏差
我的经验：加加速度控制在 0.5 m/s³ 以内，人基本感觉不到顿挫。超过 1.0 m/s³，坐在机器人上就像坐过山车。
1.3.2 安全性
安全是底线，没得商量。
安全性不只是“不撞墙”，还包括：
- 碰撞检测：轨迹与障碍物保持安全距离
- 动态避障：对移动障碍物有预测能力
- 紧急制动：突发情况能安全停车
避坑指南：我曾经在安全距离上吃过亏。当时设了5cm的安全阈值，觉得够了。结果传感器有3cm的误差，加上控制延迟，实际距离只剩2cm。后来我改成10cm，再也没出过问题。记住：安全距离 = 传感器误差 + 控制延迟 + 机械间隙 + 你的心理余量。
1.3.3 实时性
实时性，就是“快不快”。
在复杂避障场景中，环境每秒钟都在变化。轨迹规划必须在几毫秒内完成计算。
我一般这样要求：
| 场景 | 允许延迟 | 说明 |
|---|---|---|
| 静态环境 | 100ms | 可以离线规划 |
| 低速动态 | 20ms | 如仓储AGV |
| 高速动态 | 5ms | 如自动驾驶 |
小技巧：如果实时性不够，可以试试“分层规划”。先粗规划，再细优化。我常用的做法是：全局规划用A*，局部规划用DWA，两者配合，实时性提升40%。
1.4 知识体系总览
下面这张图，是我自己总结的轨迹规划知识体系。你可以把它当成一张“地图”，后面每章都会对应到其中的一个节点。
嗯，这张图基本涵盖了轨迹规划的核心内容。后面每一章，我们都会深入其中一个模块。
1.5 本章小结
这一章，我们聊了：
- 轨迹规划是什么——不只是路径，还有时间
- 为什么重要——复杂环境下的“保命符”
- 三个核心指标——平滑性、安全性、实时性
我个人觉得，这三个指标里，安全性永远是第一位的。平滑性和实时性可以妥协，但安全不行。你想想看，一个轨迹规划算法，就算再平滑、再快，如果撞了人，那一切归零。
下一章，我们会深入全局轨迹规划，聊聊A*算法和RRT算法在实际项目中的坑与技巧。到时候见。