1. 课程导入与无人系统任务全景

无人系统（Unmanned System）指在没有人直接 onboard 操作的前提下，能够依靠自身搭载的传感器、计算单元与执行机构，完成环境感知、态势理解、决策规划与动作执行的完整装备体系。它并不等同于"遥控设备"——遥控只解决了指令传输，而无人系统的核心在于把"看—想—做"这条链路尽可能交给机器自主闭合。本课程讨论的感知决策闭环，正是指从传感器原始输入，经感知处理、状态估计、决策规划，到执行机构输出动作，再通过新的观测反馈回感知环节的循环过程；而自主任务执行，则是这个闭环在给定任务目标下持续稳定运行、并对扰动与异常具备一定应对能力的外在表现。

理解这条链路，先要明确它的边界。感知侧通常包括环境感知（障碍、地形、目标）与自身状态感知（位置、姿态、速度、电量）两类；决策侧包括任务级规划（去哪、做什么）与运动级规划（怎么走、如何避让）；执行侧则落到电机、舵机、云台、机械臂等物理部件。闭环的"闭合"体现在：执行结果会改变系统与环境的关系，从而改变下一时刻的传感器读数。若这条反馈被切断，系统就退化为开环，抗扰能力急剧下降。

不同平台的差异，主要体现在传感器配置、运动自由度与任务链路上。多旋翼无人机通常搭载 IMU、气压计、GNSS、视觉/激光雷达，运动为六自由度但强耦合，任务链路偏向"起飞—巡航—目标识别—悬停作业—返航"；无人车以轮式或履带式为主，传感器常见激光雷达、相机、轮速计与 GNSS/RTK，运动受地面约束，任务链路偏向"定位—路径跟踪—避障—到点停靠"；无人船则面对水面晃动、GPS 多路径与浪涌干扰，常用雷达、AIS、声呐与惯导组合，任务链路偏向"航迹保持—避碰—定点作业"。三者共享同一套闭环逻辑，但参数与容错策略差异明显。

把三个平台放在一起看，会发现它们的任务链路虽然形态不同，但都遵循同一条闭环骨架：传感器输入 → 状态与态势理解 → 决策与规划 → 执行输出 → 状态变化反馈。差别在于各环节的时间尺度与精度要求。例如无人机姿态控制环常需 200–1000 Hz，而任务级重规划可能只需 1–5 Hz；无人车定位环常为 10–50 Hz，路径跟踪为 10–20 Hz；无人船受惯性大、响应慢影响，控制环可低至 5–20 Hz，但避碰决策需要更长的预测时域。这些数字是工程中的典型量级示例，实际取值需按平台动力学与任务风险重新标定。

从工程实现角度，闭环能否真正"自主"，取决于三个可检验的条件。第一，可观测性：关键状态（位置、速度、姿态、障碍距离）必须能被传感器直接或间接估计出来，且估计误差有界。第二，可决策性：在给定任务与约束下，系统能生成可行且安全的动作序列，而不是穷举或随机试探。第三，可执行性：执行机构能在动力学限制内跟踪规划输出，且执行偏差能被反馈环节及时修正。三者缺一，闭环就会在某个环节断裂——例如感知延迟过大导致决策基于过期地图，或执行饱和导致规划轨迹无法跟踪。

本课程后续将沿着这条链路逐层展开：先讲传感器如何把物理世界转成可用数据，再讲估计与理解如何从数据中提取状态与目标，然后讲决策规划如何在约束下生成动作，最后讲控制执行如何把动作落到物理世界，并讨论闭环中的延迟、噪声、失效与安全边界。学习时建议始终带着一个具体平台（例如一架多旋翼或一辆差速无人车）去对照每个环节，明确它的输入是什么、输出是什么、中间发生了什么变化、结果如何判断。这样，抽象概念才能落到可操作、可验证的工程对象上。

需要强调的是，自主不等于全知全能。真实系统必须在有限感知、有限算力、有限能量下工作，因此闭环中必然存在不确定性。工程上的做法不是消除所有不确定性，而是让系统在不确定条件下仍能保持安全与任务可完成：例如设置保守的安全距离、保留人工接管通道、对关键状态做冗余估计、在决策层加入失效降级策略。理解这些边界，是后续学习具体算法与实现的前提。