1. 轨迹规划概述：什么是轨迹规划、在线 vs 离线规划、实时系统的挑战
大家好，我是你们的老朋友。今天咱们正式开讲《在线轨迹规划实时系统设计》这门课。第一节课，我想先聊聊最基础的问题——到底什么是轨迹规划？
说白了，轨迹规划就是让机器人知道「怎么动」的过程。你给它一个起点，再给一个终点，它得自己算出一条路来。这条路不仅要能走，还得走得稳、走得快、走得安全。
我刚开始做机器人那会儿，总觉得轨迹规划不就是找条路径嘛，有啥难的？后来踩了不少坑才明白，这里面的门道深着呢。
1.1 什么是轨迹规划
先区分两个概念：路径规划和轨迹规划。
- 路径规划：只关心「走哪条路」，不关心速度和时间。比如从A点到B点，绕过障碍物，这就是路径。
- 轨迹规划：不仅要关心「走哪条路」，还要关心「什么时候走到哪里」、「速度多快」、「加速度多大」。说白了，轨迹 = 路径 + 时间信息。
举个例子你就明白了。你开车从家到公司，导航给你规划了一条路线——这是路径规划。但如果你还要知道「什么时候该加速」、「什么时候该减速」、「什么时候该转弯」，这就是轨迹规划了。
核心要点：轨迹规划的输出是一条时间参数化的曲线，即 q(t)，其中 t 是时间，q 是机器人的关节角度或末端位姿。
我在项目中遇到过一件事：有个同事只做了路径规划，没做轨迹规划。结果机器人倒是能走到目标点，但走起来一顿一顿的，像在跳机械舞。后来加上速度平滑和加速度约束，才变得流畅。嗯，这就是轨迹规划的价值。
1.2 在线 vs 离线规划
这个问题很关键。你想想看，规划这件事，什么时候做？
| 对比项 | 离线规划 | 在线规划 |
|---|---|---|
| 计算时机 | 运行前完成 | 运行中实时计算 |
| 环境假设 | 环境完全已知且静态 | 环境部分已知或动态变化 |
| 计算资源 | 不受限，可用高性能计算机 | 受限，需在嵌入式系统上运行 |
| 实时性要求 | 无 | 严格，必须在控制周期内完成 |
| 典型应用 | 工业机械臂示教、焊接路径 | 移动机器人避障、无人机编队 |
离线规划，说白了就是「先算好，再执行」。工厂里的机械臂经常这么干——工程师提前把轨迹调好，然后让机械臂一遍遍重复。好处是精度高、计算充分，坏处是一旦环境变了，就得重新规划。
在线规划就不一样了。机器人一边走一边算，遇到障碍物随时调整。我做过一个AGV的项目，仓库里经常有人走动，离线规划根本行不通。只能让AGV实时感知环境，动态调整轨迹。这就是在线规划的价值所在。
我的建议：如果你的应用场景环境固定、任务重复，优先考虑离线规划，稳定可靠。如果环境动态变化，或者需要人机协作，那就得上在线规划。
1.3 实时系统的挑战
做在线轨迹规划，最头疼的就是实时性。为什么？我给你列几个坑：
- 计算时间窗口极短：一般机器人的控制周期是1ms到10ms。你必须在这么短的时间内完成轨迹计算、碰撞检测、速度规划等一系列操作。
- 算法复杂度高：轨迹规划本身是NP难问题，尤其是带约束的优化问题。你想想看，要在几毫秒内求解一个非线性优化问题，难度可想而知。
- 硬件资源有限：嵌入式系统的算力远不如台式机。我见过有人把离线规划算法直接搬到嵌入式平台上，结果一个周期要算200ms，机器人早就撞墙了。
- 不确定性：传感器噪声、执行器延迟、环境变化，这些都会影响规划结果。实时系统必须能处理这些不确定性。
我曾经踩过的坑：有一次做移动机器人避障，我用了A*算法做路径规划，然后B样条做轨迹平滑。在仿真环境里跑得好好的，一上真机就出问题——A*在复杂环境里计算时间不稳定，有时候1ms算完，有时候50ms。控制周期是10ms，结果机器人经常卡顿。后来我换成了RRT*，虽然平均计算时间长了点，但方差小，实时性反而更好。
所以，做实时轨迹规划，你不能只看平均性能，更要关注最坏情况下的计算时间。这是很多新手容易忽略的。
1.4 知识体系总览
为了让大家对本章内容有个整体认识，我画了一张图：
这张图把本章的知识结构串起来了。你从中心往外看，先理解「什么是轨迹规划」，再区分「在线 vs 离线」，最后直面「实时系统的挑战」。后面的课程，我们会逐一深入每个子话题。
好了，第一节课就到这里。记住一句话：轨迹规划不是找条路就完事了，你得让机器人走得舒服、走得安全、走得及时。这是贯穿整个课程的核心思想。
课后思考：你平时做的项目里，用的是在线规划还是离线规划？遇到过哪些实时性方面的坑？欢迎在评论区交流。