一、轨迹平滑与避障概述：课程背景、应用场景与核心概念

大家好，我是你们这门课的主讲。说实话，每次开新课前我都在想，怎么把那些看似枯燥的数学公式和算法，讲得让大家真正用得上。今天咱们聊的「轨迹平滑与避障」，说白了就是让机器人走得更稳、更聪明。

我最早接触这个领域，是在做仓储机器人项目的时候。那会儿机器人动不动就急刹车，货架上的箱子哗啦啦掉一地。嗯，从那以后我就明白了——光有路径规划远远不够，你得让轨迹「顺滑」起来。

1.1 课程背景：为什么我们需要轨迹平滑？

你想想看，一个机器人从A点到B点，如果只是简单地把路径点连起来，会出现什么情况？

• 速度突变：到了拐角突然减速，过了拐角又猛加速
• 方向急转：轮子或者关节要承受巨大的冲击力
• 能耗飙升：电机频繁加减速，电池续航直接打七折

我在项目里遇到过最夸张的一次，机器人因为轨迹不平滑，直接把AGV小车的驱动轮给扭断了。所以你看，这不仅仅是「舒服不舒服」的问题，而是关乎设备寿命和安全。

1.2 应用场景：从仓储到自动驾驶

咱们这门课会覆盖两个最典型的场景，也是我个人实战经验最多的领域。

场景一：仓储机器人

仓储环境的特点是：通道窄、障碍多、任务密集。我做过一个项目，仓库里同时跑20多台AGV，如果轨迹不平滑，两车交汇时要么撞上，要么死锁。

• 货架搬运：需要精准停靠，轨迹偏差超过2cm就可能撞到货架腿
• 多机协同：平滑轨迹让速度预测更准，避免「你等我我等你」的尴尬
• 人机混场：突然的急转弯会吓到旁边的工作人员，平滑运动更安全

场景二：自动驾驶

自动驾驶对轨迹平滑的要求，比仓储机器人高一个数量级。为什么？因为乘客在车上啊！

我记得有一次试乘某公司的自动驾驶出租车，过一个弯道时方向盘来回修正了三次，坐在后排的我差点晕车。这就是典型的轨迹不平滑问题。

• 城市道路：红绿灯前的平滑减速，转弯时的曲率连续
• 高速巡航：车道保持的微小修正，不能有「锯齿感」
• 泊车场景：倒车入库的路径必须平滑，否则一把进不去

对比维度	仓储机器人	自动驾驶
速度范围	0.5~2 m/s	0~30 m/s
精度要求	厘米级	分米级（但舒适度要求极高）
动态障碍	较少，可预测	频繁，不可预测
计算资源	有限（嵌入式）	充裕（工控机/车载电脑）

1.3 核心概念：路径 vs 轨迹、平滑性、避障

很多初学者会把「路径」和「轨迹」混为一谈。我刚开始也犯过这个错，直到被导师骂了一顿才搞清楚。

路径 vs 轨迹

路径：只关心「走哪条路」，不关心「怎么走」。比如从A到B，中间经过哪些点，这就是路径。

轨迹：在路径的基础上，加上了时间信息。也就是说，轨迹告诉你「什么时间到达哪个位置，速度是多少，加速度是多少」。

平滑性

平滑性不是玄学，它有明确的数学定义。咱们主要关注三个层次：

• 位置连续（C⁰）：轨迹没有断点，这是最基本的
• 速度连续（C¹）：速度不会突变，机器人不会「一窜一窜」的
• 加速度连续（C²）：加速度不会突变，这是舒适度的关键

为什么会这样？因为加速度突变意味着「急加速」或「急刹车」，物理上就是力的突变。你想想看，坐在一辆频繁急刹的车里是什么感受？

避障

避障不是简单的「看到障碍就绕开」。真正的难点在于：

• 动态障碍预测：障碍物也在动，你得预判它的轨迹
• 平滑绕行：绕开障碍的同时，不能破坏轨迹的平滑性
• 实时性：避障决策必须在毫秒级完成

我常用的方法是：先做全局路径规划，然后在局部用平滑算法微调。说白了，就是「大方向不变，小细节优化」。

知识体系框架

下面这张图，是我自己梳理的本章知识结构。你看一眼，心里就有谱了。

嗯，这张图把咱们这一章的核心逻辑串起来了。你记住一句话：路径是骨架，轨迹是血肉，避障是灵魂。后面的章节，咱们会一步步把这三块内容拆开揉碎讲清楚。

可可精品资料库