一、路径规划导论：从算法到代码的起点
大家好，我是你们这门课的主讲。在机器人行业摸爬滚打了十几年，我见过太多同学一上来就啃A*、RRT这些算法，结果代码跑起来要么撞墙，要么原地转圈。说白了，路径规划不是背公式，而是理解「机器人怎么从A点到B点，还不撞到东西」这件事。
今天这第一讲，我们不写一行代码。先聊聊路径规划到底是什么，它用在哪儿，以及这门课我们怎么学。
1.1 什么是路径规划？
路径规划，说白了就是三个问题：
- 我在哪？（定位）
- 要去哪？（目标）
- 怎么去？（路径）
但光有路径还不够。你想想看，如果前面有堵墙，你还直直地开过去，那叫自杀式导航。所以路径规划的核心是：在避开障碍物的前提下，找出一条从起点到终点的可行路径。
我个人习惯把路径规划拆成两个层次：
- 全局规划：提前算好大方向，比如从北京开到上海走哪条高速。
- 局部规划：实时应对突发情况，比如前面有车祸，临时变道。
嗯，这里要注意：全局规划可以慢，但必须准；局部规划必须快，但可以容忍一点误差。我在项目中遇到过，有些同学把全局规划算法用在实时控制里，结果每走一步都要算半天，机器人直接卡死。
1.2 应用场景：扫地机、自动驾驶、无人机
路径规划不是实验室里的玩具。我挑三个最典型的场景，说说它们各自的特点。
1.2.1 扫地机器人
扫地机是路径规划最「亲民」的应用。你想想看，它要在家里跑来跑去，既要扫干净，又不能漏扫，还不能撞到桌腿。
- 特点：环境相对固定，但障碍物多（椅子、拖鞋）。
- 常用算法：覆盖式路径规划（弓字形）、局部避障（红外/激光）。
- 我的经验：我曾经调试过一款扫地机，发现它总在沙发底下卡住。后来发现是局部规划的参数太保守，稍微有点缝隙就绕路。调了调膨胀半径，问题就解决了。
1.2.2 自动驾驶
自动驾驶是路径规划的「天花板」。它面对的是动态、高速、有交通规则的环境。
- 特点：环境复杂，需要实时感知和决策。
- 常用算法：A*（全局）、DWA（局部）、Lattice Planner（轨迹优化）。
- 避坑指南：我曾经在高速场景测试时，发现路径规划算法在换道时总是犹豫不决。后来查了日志，原来是代价函数里对「变道风险」的权重设得太高了。嗯，调参这件事，真的得靠经验。
1.2.3 无人机
无人机路径规划多了一个维度——高度。它要在三维空间里飞，还要考虑能耗和气流。
- 特点：三维空间，动态障碍物（鸟、其他无人机）。
- 常用算法：RRT*（快速随机搜索树）、A*（三维网格）。
- 我的经验：我记得有一次做无人机编队表演，两架无人机差点撞上。后来发现是路径规划没有考虑「时间同步」——两架飞机同时到达同一个点。从那以后，我所有三维路径规划都会加上时间维度。
1.3 课程整体框架与学习路径
这门课一共10章，我把它设计成「从算法到代码」的完整闭环。你不需要一开始就懂所有数学，但跟着我一步步来，最后你能自己写一个完整的路径规划系统。
下面这张图是我自己画的课程知识体系，你可以先有个整体印象：
1.4 学习路径建议
我建议你按这个顺序来学：
- 先看导论（就是本章），建立整体认知。
- 再啃数学（第2章），别怕，我会用代码帮你理解。
- 全局规划打底（第3-5章），这是路径规划的「骨架」。
- 局部规划进阶（第6-7章），让机器人学会「随机应变」。
- 融合与实战（第8-10章），把前面学的串起来，做一个完整的系统。
我的小建议：每章看完后，一定要动手跑代码。光看是学不会路径规划的。我见过太多人「眼睛会了，手不会」。代码在GitHub上都有，我会在每章给出完整示例。
注意：不要跳章！尤其是第2章的数学基础。我遇到过有同学直接跳到A*，结果连「启发式函数」是什么都没搞懂，代码跑出来全是bug。嗯，基础不牢，地动山摇。
1.5 本章小结
这一章我们聊了：
- 路径规划的本质：找路 + 避障。
- 三个典型场景：扫地机、自动驾驶、无人机，各有各的坑。
- 课程框架：从基础到实战，10章闭环。
下一章，我们会进入数学基础。别紧张，我会用代码帮你把坐标系、图论这些概念「可视化」出来。到时候你会发现，原来数学也可以这么直观。
好了，我们第2章见。