2. 基础概念回顾：机器人运动学与动力学基础，配置空间（C-Space）概念，路径与轨迹的区别

各位同学好，我是你们的老朋友。今天咱们不急着上算法，先把地基打牢。说实话，我见过太多人一上来就怼RRT、A*，结果连“路径”和“轨迹”都分不清，最后调参调到怀疑人生。嗯，咱们今天就把这些基础概念掰扯清楚。

2.1 机器人运动学与动力学：一个管“能不能到”，一个管“怎么到”

先问大家一个问题：你让机械臂去抓杯子，它能不能碰到杯子？这是运动学问题。它怎么用力、用多大力气去抓，才不会把杯子捏碎？这是动力学问题。

运动学，说白了就是研究位置、速度、加速度这些几何关系，不考虑力。我习惯把它分成两类：

• 正运动学：已知关节角度，求末端位姿。比如你告诉机器人“关节1转30度，关节2转45度”，它就知道手在哪儿。
• 逆运动学：已知末端位姿，求关节角度。比如你告诉机器人“手要伸到那个点”，它得自己算每个关节该转多少。

我在项目里遇到过最坑的事，就是逆运动学多解问题。同一个位置，机械臂可以“弯着肘”去，也可以“伸着肘”去。你选哪个？选错了可能撞到旁边的设备。所以，逆运动学一定要加约束条件，比如“优先选肘部朝上的解”。

动力学就复杂一些了。它研究力、力矩、惯量这些东西。你想想看，一个重物突然掉下来，机械臂的关节要承受多大的冲击？这就是动力学要算的。我建议初学者先别碰动力学，把运动学玩明白了再说。

2.2 配置空间（C-Space）：把机器人“压缩”成一个点

这个概念太重要了。我刚开始学的时候，总觉得“配置空间”是个玄学。后来做了一次避障规划，才恍然大悟。

想象一下，你的机器人有6个关节。每个关节的角度就是一个维度。6个关节，就是6维空间。在这个空间里，每一个点都对应机器人唯一的一个姿态。这就是配置空间。

为什么要搞这么复杂？因为真实世界里的机器人是有体积的，障碍物也是立体的。碰撞检测非常麻烦。但如果你把机器人“压缩”成一个点，把障碍物按照机器人的形状“膨胀”一下，问题就变成了：一个点在障碍物空间里找路。是不是简单多了？

我给大家画个图，看看这个逻辑：

你看，左边真实世界里，机器人是个有形状的物体，障碍物也是。右边配置空间里，机器人变成了一个点，障碍物被“膨胀”了。这样规划路径就变成了：这个点怎么从起点走到终点，不碰到那些膨胀区域。

2.3 路径与轨迹：一字之差，天壤之别

这两个词经常被混用，但在我眼里，它们完全是两码事。

对比项	路径（Path）	轨迹（Trajectory）
定义	空间中的几何曲线，只关心位置	带时间信息的路径，关心位置+速度+加速度
包含信息	一系列空间点（x, y, z）	每个点还有时间戳、速度、加速度
典型问题	“这条路能不能避开障碍物？”	“以这个速度走，会不会抖动？”
我的比喻	地图上的路线	开车时的油门、刹车、方向盘操作

我举个例子你就明白了。你让机器人从A点走到B点。路径规划告诉你：先直走10米，再右转走5米。但轨迹规划会告诉你：前2秒加速到0.5m/s，中间3秒匀速，最后1秒减速到0。你看，路径只告诉你“走哪条路”，轨迹告诉你“怎么走”。

为什么这个区别重要？因为光有路径，机器人可能跑得一顿一顿的。我在做AGV（自动导引车）项目时，一开始只做了路径规划，结果车在拐弯时急停急起，货物全倒了。后来加上轨迹规划，做了速度平滑，才解决问题。

2.4 三者关系：一张图说清楚

好了，咱们把运动学、动力学、C-Space、路径、轨迹串起来。我画个框架图，帮你理清思路：

你看，整个流程是这样的：

1. 运动学/动力学是基础，告诉你机器人的能力和限制。
2. C-Space把问题简化成“点找路”。
3. 路径规划在C-Space里找一条几何路径。
4. 轨迹规划给路径加上时间信息，生成平滑的运动。

我个人习惯，做项目时先确认运动学模型对不对，再建C-Space，然后才跑路径规划算法。顺序搞反了，后面全是白费功夫。

好了，今天的基础概念就聊到这儿。这些内容看着简单，但真用起来，坑不少。我建议你动手写个小程序，建一个2自由度的C-Space，感受一下“点找路”到底是怎么回事。下节课咱们就开始讲具体的规划算法了。

---