2. 感知决策闭环的系统结构
无人系统的自主能力，本质上不是某一个算法的能力，而是整条闭环链路协同工作的结果。要理解自主任务执行，先要把“感知—理解—决策—规划—控制—执行—反馈”这条链路拆开，看清每一环的输入、输出、数据形态与控制关系，再把它合起来看闭环是如何自我修正的。
一、闭环的七个环节与两类流
这条链路可以按“信息加工深度”分成三段：前段是感知与理解，负责把原始信号变成可用的世界模型；中段是决策与规划，负责把世界模型变成可执行的任务与轨迹；后段是控制、执行与反馈，负责把轨迹变成真实运动，并把结果送回前段。贯穿其中的有两条流：数据流沿感知→理解→决策→规划→控制→执行单向推进，控制流则通过反馈反向闭合，形成回路。
各环节的典型输入输出如下：
- 感知：输入激光雷达点云、相机图像、IMU、GNSS、轮速计等原始数据；输出时间同步后的障碍物列表、可通行区域、自身位姿估计。
- 理解：输入感知结果；输出语义地图、目标意图与行为预测、场景态势判断（如“前方行人可能横穿”）。
- 决策：输入态势与任务目标；输出行为决策（跟车、绕行、停车、返航）与任务序列。
- 规划：输入决策结果与地图；输出全局路径与局部轨迹（含速度、曲率、时间戳）。
- 控制：输入期望轨迹与当前状态；输出油门、刹车、转向或电机转速、舵面偏角等执行指令。
- 执行：由电机、舵机、执行机构把指令变成物理运动。
- 反馈：由传感器与状态估计把实际运动结果回传，用于误差修正与闭环稳定。
需要强调的是，反馈并不是只在最后出现。位姿估计本身就是对控制的实时反馈，理解模块的预测误差也会反向影响决策阈值。闭环的“闭”体现在多个层级上，而不是单一回路。
二、开环与闭环自主任务执行的差异
开环执行指系统按预设指令或离线规划结果动作，不依据实际执行结果修正后续行为。例如按固定航点序列飞行、按固定时间表行驶。它的优点是结构简单、延迟低、易于验证；缺点是任何模型误差、扰动或环境变化都会累积成偏差，且无法应对未预料事件。
闭环执行则在每个控制周期内比较“期望状态”与“实际状态”，用偏差驱动修正。以轮式无人车沿直线行驶为例：设目标横向偏差为 0，实际测得偏差 e=0.15 m，控制器按比例增益 Kp=1.2 计算转向修正量 δ=Kp·e=0.18 rad，下一周期重新测量并再次修正。偏差被持续压制，而不是任其累积。
两者的关键差异可归纳为：
| 对比维度 | 开环执行 | 闭环执行 |
|---|---|---|
| 误差处理 | 误差累积，无法自修正 | 实时检测偏差并修正 |
| 环境适应 | 仅适用于已知、稳定环境 | 可应对扰动与动态障碍 |
| 对模型依赖 | 高度依赖离线模型精度 | 可用反馈补偿模型误差 |
| 系统复杂度 | 低，易实现与验证 | 高，需状态估计与稳定性设计 |
| 典型场景 | 固定产线、预设航点 | 自主导航、动态避障、编队 |
三、典型无人系统架构拆解
以一台室内自主移动机器人为例，其架构可对应到上述闭环：激光雷达与深度相机提供点云与图像，IMU 与轮速计提供运动信息；感知层输出障碍物栅格与自身位姿；理解层构建语义地图并预测行人运动；决策层根据任务（如“前往 3 号工位”）选择路径；规划层生成 A* 全局路径与 DWA 局部轨迹；控制层输出左右轮速差；执行层由电机驱动；编码器与 IMU 把实际速度与姿态回传，形成闭环。