一、轨迹规划基础：从路径到轨迹的转变，为什么需要平滑？

大家好，我是你们的老朋友。今天咱们正式开始聊轨迹规划。

说实话，我刚开始做机器人那会儿，也分不清「路径」和「轨迹」有啥区别。不就是让机器人从A点走到B点吗？后来在项目里吃过亏，才明白这两者天差地别。

1.1 路径 vs 轨迹：一字之差，天壤之别

先问个问题：你让机器人「走过去」，到底给了它什么？

路径（Path），说白了就是一条几何线。它只关心「走哪条路」，不关心「怎么走」。比如从客厅到厨房，路径就是绕过沙发、穿过门框的那条折线。路径本身没有时间概念。

轨迹（Trajectory），则是在路径上加了「时间戳」。它告诉你：什么时间，机器人应该在什么位置，速度是多少，加速度是多少。

我举个例子你就明白了：

• 路径：从(0,0)到(10,0)，中间经过(5,0)。
• 轨迹：0秒在(0,0)，速度0；2秒到(5,0)，速度1m/s；4秒到(10,0)，速度0。

你看，轨迹才是真正能下发给执行器的指令。电机要的是「每秒转多少圈」，而不是「你沿着这条线走」。

1.2 为什么需要平滑？—— 三个血泪教训

好，既然轨迹要带时间，那问题就来了：如果轨迹不平滑，会怎样？

我在项目里遇到过三次惨痛教训，分享给你：

教训一：电机「咔咔」响

有一次调试AGV小车，路径规划用的是A*算法，出来的路径全是直角拐弯。我直接把路径当轨迹下发，结果电机在拐角处剧烈抖动，发出「咔咔」的异响。拆开一看，减速齿轮磨损了。

原因：直角拐弯意味着速度方向瞬间变化，加速度无穷大。电机物理上做不到，只能硬扛。

教训二：货物甩飞了

做仓储机器人时，托盘上放了一箱易碎品。轨迹没做平滑处理，启动和停止都是急停急起。结果一个急刹车，箱子直接飞出去两米远。

原因：加速度突变产生冲击力，货物惯性太大。

教训三：路径跟踪误差大

用纯追踪算法跟踪一条折线路径，发现机器人总是「过冲」——到了拐点停不住，冲出路径一大截才回来。

原因：不平滑的轨迹导致控制器来不及响应，跟踪误差累积。

1.3 平滑的本质：约束加速度和加加速度

那平滑到底在平滑什么？

嗯，这里要注意。平滑不是把路径「磨圆」那么简单。它本质上是对运动状态的约束。

我们来看三个关键指标：

指标	符号	物理意义	不平滑的后果
速度	v	位置变化率	速度突变导致冲击
加速度	a	速度变化率	加速度突变导致抖动
加加速度	j	加速度变化率	加加速度过大导致震荡

你想想看，如果加速度不连续，比如从0瞬间跳到2m/s²，那电机输出的力矩就得瞬间跳变。力矩跳变意味着什么？意味着机械结构要承受冲击载荷。

我个人习惯把平滑分为三个层次：

1. C0连续：位置连续。这是最基本的要求，路径不能断开。
2. C1连续：速度连续。轨迹不能有「折角」，速度不能突变。
3. C2连续：加速度连续。这是「舒适」的门槛，加速度不能跳变。

大多数工业场景，做到C2连续就够用了。但如果你做的是高精度加工或者人形机器人，可能还需要C3连续（加加速度连续）。

1.4 从路径到轨迹的转变流程

好了，理论说完了。咱们看看实际工程中，从路径到轨迹到底怎么转？

我画了一张流程图，帮你理清思路：

流程其实就四步：

1. 路径规划：先找出一条无碰撞的几何路径。这一步只关心「能不能走」，不关心「好不好走」。
2. 路径平滑：把折线路径变成光滑曲线。常用B样条、贝塞尔曲线。这一步去掉「尖角」。
3. 时间分配：给路径上的每个点分配时间。这一步决定了速度曲线是梯形还是S形。
4. 轨迹生成：最终输出位置、速度、加速度随时间变化的函数。

我曾经在第三步踩过坑。当时图省事，用了最简单的梯形速度规划，结果加速度在起点和终点处突变，机器人启动时「窜」了一下。后来换成S形速度规划，问题才解决。

1.5 一个简单的代码示例

光说不练假把式。我写个极简的Python代码，帮你感受一下「平滑」的效果。

import numpy as np
import matplotlib.pyplot as plt

# 不平滑的轨迹：速度突变
t = np.array([0, 1, 2, 3, 4])
pos_rough = np.array([0, 2, 4, 6, 8])  # 位置
vel_rough = np.diff(pos_rough) / np.diff(t)  # 速度

# 平滑的轨迹：S形速度曲线
def s_curve(t, T=4, total_dist=8):
    """简单的S形速度曲线"""
    v_max = total_dist / T * 1.5
    a_max = v_max / (T/4)
    
    if t < T/4:
        return 0.5 * a_max * t**2
    elif t < 3*T/4:
        return v_max * (t - T/4) + 0.5 * a_max * (T/4)**2
    else:
        return total_dist - 0.5 * a_max * (T - t)**2

t_smooth = np.linspace(0, 4, 100)
pos_smooth = np.array([s_curve(ti) for ti in t_smooth])

print("不平滑轨迹的速度变化：", vel_rough)
print("平滑轨迹的速度变化：连续且无突变")

你看，不平滑的轨迹速度是跳变的，而平滑轨迹的速度是连续变化的。这就是本质区别。

1.6 本章小结

好，咱们捋一下今天的内容：

• 路径 vs 轨迹：路径是几何线，轨迹是时间函数。轨迹才是下发给执行器的指令。
• 平滑的必要性：不平滑会导致电机抖动、货物甩飞、跟踪误差大。这不是理论问题，是工程问题。
• 平滑的本质：约束加速度和加加速度的连续性。C2连续是工业场景的及格线。
• 转变流程：路径规划 → 路径平滑 → 时间分配 → 轨迹生成。每一步都有坑，别跳步。

我记得刚入行时，带我的老工程师说过一句话：「路径规划决定你能不能到，轨迹规划决定你到得好不好。」这句话我一直记到现在。

下一章，咱们会深入聊路径平滑的具体算法——B样条曲线。到时候我会手撕代码，带你看看实际工程中怎么用。