1. 轨迹规划概述：从“怎么走”到“怎么走得好”

大家好，欢迎来到《轨迹规划零基础速通实战》。我是你们这门课的老朋友。

咱们开门见山。轨迹规划，说白了就是解决一个问题：“让机器人怎么动起来”。你想想看，一个机械臂要从A点抓个零件放到B点，它中间那条路径怎么走？是直愣愣地冲过去，还是优雅地绕个弯？一个AGV小车在仓库里送货，它怎么避开货架和行人？一辆自动驾驶汽车在十字路口，它怎么安全地左转？

这些问题的答案，就是轨迹规划要干的事。它不只是告诉机器人“你去哪儿”，更重要的是告诉它“怎么去”，以及“去的过程中要满足什么条件”——比如不能撞墙、速度不能太快、动作要平滑。

核心一句话：轨迹规划 = 路径规划（几何路径） + 速度规划（时间序列）。路径告诉你走哪条线，速度告诉你线上每个点该跑多快。

我经常跟团队里的新人说，一个完整的机器人系统，就像一个人体。

它接收决策层下达的任务目标（比如“把杯子放到桌上”），然后计算出具体的、可执行的运动指令（比如“关节1转30度，关节2转45度，用时2秒”），最后把这些指令发给底层的控制器去执行。

没有轨迹规划，决策层的想法就落不了地。控制器只知道怎么让电机转，但不知道往哪个方向转、转多快、什么时候停。轨迹规划就是那个“翻译官”和“调度员”。

我在早期做项目时，就吃过这个亏。当时我们给一个码垛机械臂写程序，直接让控制器按直线走。结果呢？机械臂在起点和终点之间“哐”地一下弹过去，不仅抖动厉害，还差点把旁边的传感器撞坏。后来加了轨迹规划，把路径平滑了，速度也做了梯形加减速，整个动作才变得丝滑流畅。嗯，从那以后，我再也不敢小看轨迹规划了。

轨迹规划不是实验室里的玩具，它已经渗透到了各个行业。我挑三个最典型的场景聊聊。

机械臂的轨迹规划，是我接触最多的领域。它主要分两类：

关节空间规划：只关心机械臂的每个关节从初始角度转到目标角度，不关心末端执行器在空间里走的实际路径。优点是计算快，适合抓取、放置这种对中间路径没要求的任务。
笛卡尔空间规划：直接规划机械臂末端在三维空间中的运动轨迹，比如画一条直线、一个圆弧。优点是路径可控，适合焊接、涂胶、切割这种对路径精度要求高的任务。

举个例子，你让机械臂去拧螺丝。螺丝孔的位置是固定的，你肯定希望螺丝刀沿着螺丝孔的轴线直线进去，而不是歪歪扭扭地戳进去。这时候就必须用笛卡尔空间规划。

我的经验：实际项目中，往往是两种规划混合使用。比如，先用关节空间规划快速移动到工件附近，再切换到笛卡尔空间规划执行精细操作。这样既保证了效率，又保证了精度。

AGV（自动导引车）的轨迹规划，核心是路径搜索和局部避障。

全局路径规划：在已知的地图上，找出一条从起点到终点的可行路径。常用的算法有A*、Dijkstra等。它负责“大方向”。
局部路径规划：在行驶过程中，实时检测周围的障碍物（比如突然出现的行人），动态调整当前的速度和方向。常用的算法有DWA（动态窗口法）、TEB（时间弹性带）等。它负责“小调整”。

我记得有一次在物流仓库调试AGV，地图明明已经建好了，全局路径也规划出来了，但AGV就是会卡在某个货架拐角。后来发现，是局部规划器的参数没调好——它检测到障碍物的距离阈值设得太小了，导致AGV快撞上了才急刹车。调整参数后，AGV就能提前减速、平滑绕行了。

避坑指南：我曾经因为忽略了AGV的运动学约束（比如最小转弯半径），导致规划出来的路径虽然在地图上是可行的，但AGV实际根本转不过去。记住，轨迹规划一定要考虑机器人的物理限制。

自动驾驶的轨迹规划，是这三个场景里最复杂的。它不仅要考虑几何路径和速度，还要考虑交通规则、其他交通参与者的行为预测、乘坐舒适性等等。

通常分为三层：

你看，自动驾驶的轨迹规划，更像是一个“决策+规划”的复合体。它需要实时地“想”和“动”。

为了让你对这门课有个整体印象，我画了一张图。它把轨迹规划的核心要素、常见方法以及它们之间的关系都串起来了。

从这张图你可以看到，轨迹规划并不是一个孤立的算法，而是一个系统工程。它向下要对接机器人的运动学、动力学约束，向上要服务于具体的应用场景。我们这门课，就会沿着“路径规划 -> 速度规划 -> 实际应用”这条主线，一步步带你吃透它。