3、轨迹表示方法：路径与轨迹的区别、多项式轨迹、样条曲线（B样条、贝塞尔曲线）、时间参数化
做机器人控制这些年，我见过不少新手一上来就急着调PID参数，结果机器人跑得歪歪扭扭。其实啊，问题往往出在轨迹表示上——你连“路”都没定义清楚，怎么指望机器人走得好？
这一节，我们来聊聊轨迹表示的核心问题。说白了，就是回答两个问题：机器人要去哪？什么时候到？
3.1 路径 vs 轨迹：一字之差，天壤之别
先讲个我踩过的坑。几年前做焊接机器人项目，我直接把路径当轨迹用，结果机器人末端在拐角处猛地一抖，焊点全偏了。后来才明白——路径和轨迹，根本是两码事。
| 概念 | 定义 | 包含信息 | 举例 |
|---|---|---|---|
| 路径 | 空间中的几何曲线 | 位置 (x, y, z) 或关节角度 (q1, q2, ...) | 从A点到B点的一条直线 |
| 轨迹 | 路径 + 时间信息 | 位置、速度、加速度随时间的变化 | 从A到B，5秒内完成，初末速度为零 |
你想想看，路径只告诉机器人“走哪条路”，而轨迹还告诉它“什么时候走到哪里、速度多快”。控制机器人，最终要的是轨迹，不是路径。
3.2 多项式轨迹：最简单也最常用
多项式轨迹是我个人最常用的起点。为什么？因为它数学简单、物理意义明确。
3.2.1 三次多项式轨迹
假设我们要让机器人关节从角度 q0 运动到 qf，用时 T 秒，且起止速度都为零。一个三次多项式就能搞定：
q(t) = a0 + a1*t + a2*t² + a3*t³四个未知系数，对应四个边界条件：
- q(0) = q0
- q(T) = qf
- q'(0) = 0
- q'(T) = 0
解这个方程组，代码实现其实就几行：
import numpy as np
def cubic_trajectory(q0, qf, T, t):
"""三次多项式轨迹计算"""
a0 = q0
a1 = 0
a2 = 3*(qf - q0) / T**2
a3 = -2*(qf - q0) / T**3
q = a0 + a1*t + a2*t**2 + a3*t**3
qd = a1 + 2*a2*t + 3*a3*t**2 # 速度
qdd = 2*a2 + 6*a3*t # 加速度
return q, qd, qdd3.2.2 五次多项式轨迹
当运动需要更平滑的起止时，五次多项式是更好的选择。它多了两个自由度，可以约束加速度：
q(t) = a0 + a1*t + a2*t² + a3*t³ + a4*t⁴ + a5*t⁵六个边界条件：位置、速度、加速度在起止时刻都指定。我在做精密装配时，就靠五次多项式避免了末端冲击。
3.3 样条曲线：让轨迹更灵活
多项式轨迹有个局限——它只能描述单段运动。如果机器人要走一条复杂的曲线，比如画个S形，就需要样条曲线了。
3.3.1 贝塞尔曲线
贝塞尔曲线的核心思想是“控制点”。你放几个控制点，曲线就被“拉”过去了。我常用的是三次贝塞尔曲线：
B(t) = (1-t)³P0 + 3(1-t)²t P1 + 3(1-t)t² P2 + t³P3其中 P0 到 P3 是四个控制点，t 从 0 到 1。
3.3.2 B样条曲线
B样条曲线解决了贝塞尔的全局性问题。它的控制点只影响局部区域。我在项目中遇到过需要微调轨迹某一段的情况，B样条就特别顺手——改一个点，只影响附近几段。
B样条的数学稍微复杂些，但核心思想是：用分段多项式拼接成一条光滑曲线。每个分段都是低次多项式，整体却能达到高阶连续性。
| 特性 | 贝塞尔曲线 | B样条曲线 |
|---|---|---|
| 控制点影响范围 | 全局 | 局部 |
| 多项式次数 | 固定（控制点数-1） | 可调（阶次决定） |
| 连续性 | C∞（内部） | C^(k-1)（k为阶次） |
| 适用场景 | 简单曲线设计 | 复杂路径、局部调整 |
3.4 时间参数化：给路径加上“心跳”
有了漂亮的几何路径，怎么让机器人按我们想要的速度跑起来？这就是时间参数化的活。
我曾经犯过一个错误：直接用等时间间隔采样路径点，结果机器人速度忽快忽慢。后来才意识到，时间参数化决定了轨迹的动力学特性。
3.4.1 梯形速度规划
最经典的时间参数化方式。加速段、匀速段、减速段三段式：
def trapezoidal_profile(s_total, v_max, a_max, t):
"""梯形速度规划，s_total为总路径长度"""
# 计算加速段距离
s_acc = v_max**2 / (2 * a_max)
if s_acc * 2 >= s_total:
# 三角形速度曲线（达不到最大速度）
# ... 处理代码
pass
else:
# 标准梯形曲线
# ... 处理代码
pass
return s, s_dot, s_ddot # 位置、速度、加速度3.4.2 S形速度规划
梯形规划的加速度有突变，会导致机器人抖动。S形规划加了加加速度（jerk）约束，运动更平滑。我做过一个码垛机器人项目，换成S形规划后，末端抖动直接降了60%。
3.5 知识体系总览
下面这张图，是我梳理的本章知识结构。你可以把它当个地图，随时回来对照：
3.6 避坑指南
最后，分享几个我这些年踩过的坑：
- 我曾经直接用高次多项式拟合复杂路径，结果曲线出现剧烈振荡。后来改用分段低次样条，问题迎刃而解。
- 我曾经在时间参数化时忽略了加速度约束，导致电机过载烧了驱动器。嗯，那次教训挺深刻的。
- 我建议新手先从三次多项式+梯形规划开始，跑通了再上样条和S形。别一上来就搞复杂的。
轨迹表示是机器人控制的基石。把这块搞扎实了，后面的控制算法才能发挥真正的作用。记住：好的轨迹，是控制成功的一半。
公众号:蓝海资料掘金营，微信deep3321