第2章配置空间

第二节：配置空间——C-Space概念、障碍物表示、自由空间与障碍空间

好，咱们接着聊。上一节我跟你讲了什么是位形空间，说白了就是机器人所有可能姿态的集合。这一节我们深入一点，聊聊配置空间里的几个核心概念：C-Space、障碍物表示、自由空间和障碍空间。

嗯，这几个概念，你如果搞懂了，后面学PRM、RRT这些算法就会轻松很多。我自己当年刚接触的时候，其实也绕了不少弯路。有一次做项目，把障碍物直接当成了物理空间里的方块来处理，结果路径规划死活跑不通。后来才发现，问题出在——我根本没把机器人的形状考虑进去。

C-Space，全称Configuration Space，中文叫配置空间。这个概念其实很简单：你把机器人想象成一个点，它所有可能的位置和姿态，就构成了一个空间。

举个例子。一个在平面上移动的圆形机器人，它的位形可以用(x, y)两个坐标表示。那它的C-Space就是一个二维平面。如果是一个机械臂，每个关节都有一个角度值，那它的C-Space就是所有关节角度的组合空间——维度等于关节数。

我个人习惯把C-Space理解成「机器人的状态仓库」。你想想看，仓库里每个格子都对应一种机器人的姿态。路径规划，说白了就是在仓库里找一条从起点到终点的路。

核心要点：

这里有个关键问题：物理空间里的障碍物，怎么映射到C-Space里？

我刚开始做路径规划时，犯过一个低级错误。我把物理空间里的障碍物坐标直接当成C-Space里的障碍物。结果呢？机器人明明离障碍物还有一段距离，算法却说碰撞了。为什么？因为我没有考虑机器人的形状。

正确的做法是：对每个障碍物，计算所有会导致机器人与其发生碰撞的位形。这些位形的集合，就是C-Space中的障碍物区域。

举个例子。一个半径为r的圆形机器人在二维平面上移动，遇到一个矩形障碍物。那C-Space里的障碍物区域，就是把这个矩形向外扩展r距离后的形状。这叫「膨胀障碍物」。

避坑指南：

我曾经在项目中直接用物理空间坐标做碰撞检测，结果路径规划算法跑出来的路径，机器人实际走的时候撞上了障碍物。后来才意识到，必须把机器人的几何形状考虑进去，对障碍物做膨胀处理。这个坑，我建议你一开始就避开。

有了C-Space和障碍物表示，我们就可以把整个C-Space分成两部分：

路径规划的目标，就是在自由空间里找一条从起点到终点的连续路径。

你可能会问：为什么要分这么清楚？直接在地图上找路不行吗？

嗯，这里有个关键点。物理空间里的路径规划，你只需要考虑障碍物的位置。但C-Space里的路径规划，你还要考虑机器人的姿态。比如一个长条形的机器人，它横着能通过一个窄缝，竖着就过不去。在C-Space里，这两种姿态对应不同的点，一个在自由空间，一个在障碍空间。

注意：

自由空间不一定是连通的。有时候自由空间会被障碍空间分割成多个互不相连的区域。如果起点和终点不在同一个连通区域，那就不存在可行路径。这种情况在实际项目中很常见，比如机器人被卡在角落里。

咱们用一个具体的例子来理解。假设有一个方形机器人，边长1米，在二维平面上移动。障碍物是一个半径为0.5米的圆形柱子，中心在(2, 2)处。

物理空间里，障碍物是那个圆。但在C-Space里，障碍物区域是：所有会导致机器人碰到柱子的(x, y)位置。因为机器人是方形的，这个区域会比圆形大一圈，形状也更复杂。

我建议你画个图试试。把机器人想象成一个点，然后把障碍物按照机器人的形状「膨胀」一下。膨胀后的区域，就是C-Space里的障碍空间。剩下的区域，就是自由空间。

总结一下：

好了，这一节的内容就到这里。下一节我们会讲采样方法，也就是如何在自由空间里随机撒点。到时候你会发现，理解了C-Space，采样方法就变得很自然了。