3. 运动学模型：差速驱动机器人运动学、阿克曼转向模型、速度与角速度约束

好，咱们进入第三个核心话题——运动学模型。

说白了，机器人怎么动，完全取决于它的轮子怎么摆。你写控制算法，如果连底盘怎么转弯都搞不清楚，那规划出来的路径就是空中楼阁。我个人习惯，拿到一台新机器人，第一件事就是看它的运动学模型。这决定了后面所有规划策略的边界。

差速驱动，最常见，也最直观。两个主动轮，一个万向轮。靠左右轮的速度差来实现转向。

我当年刚入行时，在AGV项目里第一次接触差速模型。当时觉得很简单，不就是左轮转快点就右拐嘛。结果一跑起来，轨迹全是锯齿状的。为什么？因为忽略了轮距和瞬时旋转中心（ICR）的关系。

差速驱动的核心公式其实就三个：

其中 v_r 和 v_l 是左右轮速度，L 是轮距。

你想想看，如果 v_r = v_l，那就是直线。如果 v_r = -v_l，那就是原地旋转。这个模型在低速下非常准，但一旦速度快了，轮胎打滑，模型就开始漂了。

关键点：差速驱动的瞬时运动是纯几何关系。它没有转向机构，所以不能像汽车那样有固定的转弯半径。它的转弯半径是连续的，从0到无穷大。

阿克曼模型，就是汽车模型。前轮转向，后轮驱动。这个模型比差速复杂一点，但更符合我们日常的直觉。

阿克曼转向的核心是：所有车轮的轴线必须交于一点，这个点就是瞬时旋转中心（ICR）。

我记得有一次做无人车项目，团队里有人直接用自行车模型来近似阿克曼。结果在低速泊车时还行，一上高速，轨迹偏差大到离谱。为什么？因为自行车模型忽略了内外轮转角差。

阿克曼模型的几何关系：

这里有个坑，我踩过。阿克曼模型在低速时，转弯半径和转角是线性关系。但速度一高，轮胎侧偏角就出来了，实际转弯半径会比几何计算的大。这叫不足转向。你规划时如果没考虑这个，路径跟踪就会偏外。

我的经验：在低速（< 1m/s）场景下，直接用几何阿克曼模型就够了。但速度超过2m/s，我建议加上一个侧偏角补偿项，或者直接用动力学模型。

模型有了，但机器人不是万能的。它有物理极限。

速度约束和角速度约束，说白了就是：你规划出来的轨迹，机器人能不能跑出来？

我见过太多人，规划时只考虑几何路径，完全不管机器人的加减速能力。结果路径是光滑的，但机器人一跑就抖，或者直接冲出边界。

常见的约束包括：

举个例子，差速驱动：

v_max = min(v_r_max, v_l_max)
ω_max = (v_r_max - v_l_max) / L
# 注意：v_max 和 ω_max 不是独立的
# 它们受限于左右轮的速度极限

阿克曼模型更复杂一点：

v_max = 后轮驱动电机极限
ω_max = v_max * tan(δ_max) / L
# 但实际中，ω_max 还受转向电机速度限制
# 所以 ω_max = min(v_max * tan(δ_max) / L, ω_steer_max)

注意：速度约束和角速度约束是耦合的。你不能同时达到最大线速度和最大角速度。这在规划时必须考虑进去。我曾经在项目中忽略了这一点，结果规划出的轨迹在高速转弯时直接让电机过载。

为了让你更直观地理解，我整理了一个对比表：

特性	差速驱动	阿克曼转向	全向驱动
转弯方式	差速转向	前轮转向	独立控制
最小转弯半径	0（原地旋转）	L / tan(δ_max)	0
运动连续性	连续	连续但受转向限制	连续
控制复杂度	低	中	高
典型应用	室内AGV、扫地机	无人车、物流车	全向移动平台

我个人建议：如果你的场景需要频繁原地转向，选差速。如果追求高速稳定性，选阿克曼。全向驱动虽然灵活，但控制复杂，而且轮子磨损快。

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。

嗯，这张图把三个模型和它们的约束关系都串起来了。你写规划算法时，可以对照着看，确保每一步都在物理可行域内。

总结一下：运动学模型是规划的底层约束。差速驱动灵活但高速不稳，阿克曼稳定但转弯半径受限。速度与角速度约束是耦合的，规划时必须同时考虑。我建议你在实际项目中，先根据场景选模型，再根据模型定约束，最后才写规划算法。顺序别搞反了。

可可精品资料库