一、七次多项式基础：轨迹规划概述
1.1 轨迹规划到底在做什么？
先聊聊轨迹规划的本质。
说白了，就是让机器人从A点走到B点，中间怎么走的问题。你可能会说，这有什么难的？直接走过去不就行了？
嗯，现实没这么简单。
我刚开始做机器人项目时，也这么想。结果第一次调试，机械臂在路径点之间猛地一抖，差点把旁边的示教器甩飞出去。那次之后我才明白——轨迹规划的核心，是让运动平滑、可控、不伤机器。
轨迹规划要解决三个问题：
- 去哪——目标位置和姿态
- 怎么去——路径的形状
- 多快去——速度、加速度、加加速度
其中第三个问题，恰恰是多项式轨迹的用武之地。
1.2 多项式轨迹的数学原理
为什么偏偏用多项式？
因为多项式函数天生光滑。你想想看，一个多项式函数，从位置到速度、加速度、甚至加加速度，都是连续可导的。这对机器人来说太重要了——不连续的加速度意味着冲击，冲击意味着振动，振动意味着精度下降。
我习惯把多项式轨迹理解成「用数学公式描述的一段运动」。比如最简单的三次多项式：
q(t) = a0 + a1*t + a2*t² + a3*t³这个公式能保证位置和速度连续。但如果你需要加速度也连续，就得用五次多项式：
q(t) = a0 + a1*t + a2*t² + a3*t³ + a4*t⁴ + a5*t⁵那七次多项式呢？它比五次多项式多了两个自由度——可以同时约束位置、速度、加速度、加加速度。这在高速高精度场景下，几乎是必须的。
核心观点：多项式的次数越高，能约束的边界条件就越多，轨迹就越平滑。但代价是计算量增大、数值稳定性下降。七次多项式是「精度与复杂度」之间的一个黄金平衡点。
1.3 七次多项式的定义与优势
七次多项式的标准形式长这样：
q(t) = a0 + a1*t + a2*t² + a3*t³ + a4*t⁴ + a5*t⁵ + a6*t⁶ + a7*t⁷它有8个待定系数。为什么是8个？因为我们要解8个方程。
七次多项式相比低次多项式的优势，我总结为三点：
- 加加速度连续——五次多项式只能保证加速度连续，七次多项式能保证加加速度（Jerk）连续。Jerk不连续，在高速运动中会产生明显的冲击感。
- 边界条件更丰富——可以同时约束起点和终点的位置、速度、加速度、加加速度，共8个条件。这在对接、抓取等场景中非常实用。
- 中间点更灵活——如果你需要在路径中间插入一个速度或加速度约束，七次多项式仍然有足够的自由度去拟合。
个人经验：我在做半导体晶圆搬运项目时，要求机械臂在高速运动中保持末端抖动小于0.1mm。试过三次多项式，抖动太大；五次多项式勉强达标，但加速度突变明显。最后换成七次多项式，问题迎刃而解。说白了，七次多项式是「暴力美学」——用更多的参数，换取更极致的平滑。
1.4 边界条件设定
边界条件，就是轨迹的「起止状态」。七次多项式需要设定4组边界条件：
| 边界类型 | 符号 | 物理意义 | 典型设定 |
|---|---|---|---|
| 位置 | q(t₀), q(t₁) | 起点和终点的关节角度/末端位姿 | 由路径规划给出 |
| 速度 | v(t₀), v(t₁) | 起点和终点的运动速度 | 通常设为0（静止启动/停止） |
| 加速度 | a(t₀), a(t₁) | 起点和终点的加速度 | 通常设为0（避免冲击） |
| 加加速度 | j(t₀), j(t₁) | 起点和终点的加加速度 | 通常设为0（极致平滑） |
有了这8个条件，就能唯一确定七次多项式的8个系数。求解过程其实就是解一个线性方程组——说白了，就是矩阵求逆。
注意：我曾经踩过一个坑——把加加速度边界设得过大，结果轨迹在起点附近出现「回弹」现象。后来发现，加加速度边界值不宜超过加速度边界值的10倍，否则数值稳定性会出问题。
1.5 知识体系总览
下面这张图，是我梳理的本章知识结构。你可以把它当作一个「地图」，后面几章都会围绕这些核心概念展开。
1.6 写在后面
七次多项式看起来公式复杂，但核心思想其实很简单——用更多的约束条件，换取更平滑的运动。我在实际项目中，七次多项式用得最多的地方有两个：一是高速搬运，二是精密装配。这两个场景对平滑性的要求都极高。
嗯，这一章先到这里。记住一句话：七次多项式不是万能的，但没有七次多项式是万万不能的——至少在追求极致平滑的场景下是这样。