01
避障算法概述
动态避障问题的定义、应用场景（自动驾驶、无人机、机器人）、课程整体框架与学习路径。
入门框架
02
运动学与动力学基础
机器人运动模型（差速轮、阿克曼）、状态空间表示、控制输入与约束。
运动学建模
03
传感器与感知
激光雷达、深度相机、超声波传感器的工作原理、数据预处理与障碍物检测。
感知传感器
04
坐标系与坐标变换
全局坐标系、局部坐标系、坐标变换矩阵、ROS中的TF变换。
坐标TF
05
碰撞检测基础
AABB包围盒、OBB包围盒、GJK算法、碰撞检测在避障中的应用。
碰撞几何
06
势场法（APF）
引力场与斥力场构建、局部极小值问题、改进的势场法。
APF经典
07
动态窗口法（DWA）
速度空间搜索、评价函数设计、动态窗口的生成与剪枝。
DWA局部规划
08
时间弹性带（TEB）
轨迹表示、优化目标函数、约束处理、实时性优化。
TEB优化
09
快速随机搜索树（RRT）
RRT算法原理、RRT*与Informed RRT*、在动态环境中的扩展。
RRT采样
10
概率路线图（PRM）
PRM构建、查询阶段、动态环境下的重规划策略。
PRM路线图
11
人工势场法实战
Python实现APF、参数调优、仿真环境搭建与测试。
实战Python
12
DWA算法实战
Python实现DWA、速度采样与轨迹预测、在仿真机器人上的部署。
实战DWA
13
TEB算法实战
Python实现TEB、优化求解器选择、与ROS的集成。
实战TEB
14
RRT算法实战
Python实现RRT/RRT*、障碍物更新与重规划、可视化。
实战RRT*
15
混合算法
APF+DWA、RRT+TEB等混合策略、优缺点分析与选型建议。
混合策略
16
动态障碍物预测
基于卡尔曼滤波的轨迹预测、基于学习的预测方法简介。
预测卡尔曼
17
速度障碍法（VO）
VO原理、RVO与ORCA算法、在多智能体中的应用。
VO多智能体
18
模型预测控制（MPC）基础
MPC原理、线性MPC与非线性MPC、在避障中的应用。
MPC控制
19
MPC避障实战
Python实现线性MPC避障、约束处理、实时性优化。
实战MPC
20
强化学习避障
DQL、PPO算法简介、状态与动作设计、奖励函数设计。
强化学习RL
21
RL避障实战
基于OpenAI Gym的避障环境搭建、训练与评估。
实战Gym
22
多机器人协同避障
编队控制、分布式避障、通信拓扑与一致性。
多机器人协同
23
动态环境建模
障碍物运动模型、不确定性建模、概率占用地图。
环境概率
24
避障系统架构
感知-规划-控制闭环、模块化设计、实时性要求。
架构系统
25
ROS导航栈
move_base框架、全局规划器与局部规划器、参数配置。
ROS导航
26
仿真平台搭建
Gazebo仿真环境、自定义障碍物场景、传感器仿真。
仿真Gazebo
27
实车部署与调试
从仿真到实车的迁移、参数调整、常见问题排查。
部署实车
28
避障算法评估
评价指标（成功率、路径长度、时间）、对比实验设计。
评估指标
29
前沿进展
基于学习的端到端避障、Transformer在避障中的应用、未来趋势。
前沿Transformer
30
综合项目实战
设计一个完整的动态避障系统（感知+规划+控制），从需求分析到最终演示。
项目综合