一、轨迹规划导论：从“怎么走”到“怎么走得好”
各位同学，欢迎来到《轨迹规划系统化学习路线》的第一章。
我是你们这门课的主讲。在机器人行业摸爬滚打了十来年，我见过不少项目在“动起来”这一步就栽了跟头。说白了，很多问题不是硬件不行，也不是算法理论不对，而是卡在了“轨迹规划”这个中间层。
今天，我们就来聊聊轨迹规划到底是什么，它在机器人系统里扮演什么角色，以及它和路径规划到底有什么区别。
1.1 什么是轨迹规划？
先问一个问题：你让一个机械臂去抓桌上的杯子，它需要知道什么？
它需要知道杯子在哪，这是感知。它需要知道怎么避开障碍物，这是路径规划。但光有路径够吗？不够。它还需要知道：
- 什么时候开始动？
- 以多快的速度移动？
- 加速度是多少才不会把杯子甩出去？
- 到达目标点时，末端执行器的姿态怎么变化？
这些“什么时候、多快、多稳”的问题，就是轨迹规划要解决的。
轨迹规划 = 路径 + 时间 + 运动约束
它输出的不是一条几何线，而是一条时间参数化的曲线。每个时刻，机器人的关节位置、速度、加速度都有明确的数值。
我个人习惯把轨迹规划比作“编舞”。路径规划只告诉你舞者要从A点走到B点，而轨迹规划告诉你：第一步迈多大、第二步多快、转身时身体倾斜多少度、音乐到哪一拍该做什么动作。没有轨迹规划，机器人动起来就像个刚学会走路的孩子——要么太慢，要么太冲。
1.2 轨迹规划在机器人系统中的地位
我们来看一个典型的机器人系统架构。我画了一张图，帮你理清各模块的关系。
你看，轨迹规划处在中间层。上面是路径规划，下面是底层控制。它把路径规划输出的几何路径，加上时间信息，变成控制层能执行的指令。
我在项目中遇到过不少团队，花了大把精力优化路径规划算法，结果机器人跑起来还是抖得厉害。为什么？因为轨迹规划没做好。路径再优，没有合理的速度曲线和加速度约束，控制层根本追不上。
我的经验：轨迹规划是机器人系统的“腰”。腰不好，上下都使不上劲。感知再准、控制再快，中间轨迹规划拉胯，整个系统就废了。
1.3 轨迹规划与路径规划的区别
这个问题，我每次面试新人都会问。能说清楚的人，基本对机器人运动规划有了正确的理解。
咱们直接上表格对比：
| 对比维度 | 路径规划 | 轨迹规划 |
|---|---|---|
| 输出内容 | 空间中的几何曲线（点集） | 时间参数化曲线（位置-速度-加速度） |
| 核心变量 | 空间坐标 (x, y, z) | 时间 t 及对应的运动学量 |
| 关注点 | 是否可达、是否碰撞 | 是否平滑、是否满足动力学约束 |
| 典型算法 | A*、RRT、PRM、Dijkstra | 多项式插值、梯形速度、S形曲线、五次样条 |
| 约束类型 | 几何约束（障碍物、边界） | 运动学/动力学约束（速度、加速度、加加速度） |
| 举个栗子 | 导航地图上画一条避开墙的线 | 告诉车：前3秒加速到2m/s，中间匀速5秒，最后2秒减速到0 |
说白了，路径规划回答“能不能走”，轨迹规划回答“怎么走得好”。
我记得有一次做移动机器人项目，路径规划用RRT*找到了很漂亮的路径，但直接拿给控制层用，机器人每到一个拐点就急刹急转，电池续航直接砍半。后来加了轨迹规划，用S形速度曲线平滑过渡，续航提升了30%。
避坑指南：千万不要把路径规划和轨迹规划混为一谈。我曾经见过有人把A*输出的路径点直接当轨迹发给电机，结果电机剧烈抖动，差点把机械臂的减速器打坏。路径规划只保证几何可达，不保证运动可行。
1.4 常见应用场景
轨迹规划不是某个领域的专属，它在各种机器人系统里都有用武之地。我挑三个最常见的场景聊聊。
1.4.1 机械臂
机械臂是轨迹规划最经典的应用场景。焊接、喷涂、装配、码垛，每个动作都需要精确的轨迹控制。
- 关节空间轨迹规划：直接规划每个关节的角度变化。适合点到点运动，比如从A点抓取到B点放置。
- 笛卡尔空间轨迹规划：规划末端执行器在三维空间中的位姿变化。适合需要保持特定姿态的作业，比如沿着焊缝走直线。
我在做焊接机器人项目时，发现很多工程师只做关节空间规划，结果焊枪姿态在路径中间段偏了，焊缝质量不合格。后来改用笛卡尔空间轨迹规划，焊枪姿态全程可控，良品率从82%提到了96%。
1.4.2 移动机器人
移动机器人的轨迹规划，核心是处理非完整约束。说白了，车不能像人一样原地转圈，它有最小转弯半径。
常见的场景包括：
- AGV/AMR在工厂里搬运物料
- 扫地机器人在家里规划清扫路径
- 自动驾驶汽车在道路上变道、转弯
移动机器人的轨迹规划通常要考虑：
- 运动学约束（最大转向角、最大速度）
- 动力学约束（最大加速度、制动距离）
- 时间效率（最短时间到达）
举个例子，AGV在仓库里转弯，如果轨迹规划没做好，要么转弯太急导致货物倾倒，要么转弯太慢影响效率。好的轨迹规划会在直道加速、弯道减速，同时保证货物不晃动。
1.4.3 无人机
无人机轨迹规划比地面机器人更复杂，因为它多了一个自由度——高度。
无人机常见的轨迹规划需求：
- 航拍：平滑的飞行轨迹，避免画面抖动
- 巡检：沿特定路径飞行，同时保持相机对准目标
- 编队：多无人机协同，保持队形同时避碰
无人机的轨迹规划特别强调加加速度（Jerk）的约束。为什么？因为加加速度直接影响飞行的平稳性。我做过一个无人机航拍项目，一开始只约束速度和加速度，拍出来的视频还是有点晃。后来加了加加速度约束，视频质量直接上了两个档次。
三个场景的轨迹规划核心差异：
- 机械臂：关节空间 vs 笛卡尔空间，精度优先
- 移动机器人：非完整约束，效率优先
- 无人机：加加速度约束，平稳性优先
好了，第一章的内容就到这里。轨迹规划的概念、地位、区别和应用场景，我们已经理清楚了。从下一章开始，我们会深入具体的数学工具和算法实现。
记住一句话：轨迹规划不是锦上添花，而是机器人系统能否真正落地的关键一环。