1 基本概念
机器人规划是机器人学中赋予机器人自主决策能力的核心研究领域，旨在让机器人在复杂环境中通过算法生成一系列动作或行为序列，以高效、安全地达成预设目标。该领域融合人工智能、控制理论、计算机科学和运筹学，涵盖从经典搜索算法到基于学习的现代方法。
1.1 规划的定义与目标
规划（Planning）是指机器人根据当前状态和任务目标，从初始状态出发，寻找一系列动作，使得环境在动作作用下最终满足目标条件的过程。其核心目标包括：可行性（找到至少一条可行路径）、高效性（在合理时间内完成规划）以及适应性（能够应对环境变化）。
1.2 规划问题的形式化
规划问题通常需要明确三个要素：初始状态、目标状态和可执行动作集合。形式化描述有助于计算机精确求解。
1.2.1 状态空间与动作空间
- 状态空间：机器人及其环境所有可能状态的集合，通常用状态变量（如坐标、关节角度）表示。
- 动作空间：机器人可执行的基本操作集合，每个动作定义从当前状态到下一状态的转移（如“前进1米”“抓取物体”）。
1.2.2 目标条件与约束
目标条件是对期望达到状态的描述，常用逻辑公式或代价函数表示。约束则包括物理限制（如速度上限）、时间限制和资源限制（如电池电量）。
1.3 规划与控制的区别
规划重在“决策”，即决定做什么（如选择目标、分解任务）；控制重在“执行”，即如何精确完成动作（如调节电机电流）。简言之，规划回答“去哪里”，控制回答“怎么去”。
1.4 规划的评价指标
评价一个规划方法的好坏，需从多个维度综合考量。
1.4.1 时间效率
规划算法所需计算时间，包括离线（预计算）和在线（实时）时间。对实时系统而言，时间效率至关重要。
1.4.2 最优性与完备性
- 最优性：规划结果是否在某种代价（如路径长度、能量消耗）上达到最优。
- 完备性：若存在可行解，算法是否一定能找到。完备算法保证不漏解，但可能牺牲效率。
1.4.3 鲁棒性
规划方法应对环境噪声、建模误差或未知扰动的能力。鲁棒规划倾向于生成“即使偏离一点也能补救”的方案。
2 经典规划方法
经典规划方法基于明确的模型假设，通过逻辑推理或搜索生成动作序列。它们奠定了现代机器人规划的理论基础。
2.1 基于搜索的规划
搜索方法将规划转化为在状态转移图中寻找从初始状态到目标状态的路径。
2.1.1 图搜索算法
图搜索是最基本的规划方法，遍历状态空间以寻找可行路径。
2.1.1.1 Dijkstra与A*算法
- Dijkstra算法：保证找到所有节点到起点最短路径，但无启发式引导，在大空间中效率低。
- **A\*算法**：结合距离代价和启发式估计（如曼哈顿距离），优先搜索“看起来”离目标更近的节点，大幅提升搜索效率，是路径规划中的“老牌明星”。
2.1.1.2 动态规划与RRT
2.1.2 状态空间搜索与启发式
状态空间搜索包括广度优先、深度优先等通用策略。启发式函数（如“到目标的直线距离”）能大幅削减搜索分支，但设计不当可能误导算法。好的启发式是“可采纳的”（不低估代价）。
2.2 基于推理的规划
推理方法将规划视为逻辑问题，利用谓词逻辑或规则推导动作序列。
2.2.1 STRIPS与PDDL语言
- STRIPS：早期规划系统，用“前提-效果”规则描述动作：动作执行要求某些条件成立，执行后改变一些条件。
- PDDL（规划域定义语言）：标准化的规划形式化描述语言，被多款规划器（如FastForward）使用，便于算法比较与复用。
2.2.2 分层任务网络
HTN（Hierarchical Task Network）方法将复杂任务递归分解为子任务，直至原子动作。规划过程类似“拆解菜谱”：先做“大菜”，再细化到“切菜”“翻炒”等步骤。相比直接搜索，HTN更高效且符合人类思维。
2.3 基于优化的规划
优化方法将规划转化为数学优化问题，寻找满足约束的最优解。
2.3.1 线性规划与二次规划
当代价函数和约束可表示为线性/二次形式时，可用线性规划或二次规划快速求最优解。常用于资源分配、碰撞避免的优化。
2.3.2 模型预测控制
MPC（Model Predictive Control）在每个时间步优化未来有限时域内的动作序列，只执行第一个动作，然后滚动优化。它兼顾了规划与控制，天然适合处理约束和动态变化。
3 运动规划
运动规划关注机器人如何在物理世界中移动，包括路径生成和速度分配。
3.1 路径规划
路径规划寻找从起点到终点的无碰撞几何路径。
3.1.1 几何路径规划
几何方法考虑机器人构型空间（C-space）中的几何性质。
3.1.1.1 空间构型与障碍物建模
- 构型空间：机器人所有可能姿态的集合，障碍物映射为不可达区域。
- 常见建模：用多边形、包围盒或点云表示障碍物，简化碰撞检测。
3.1.1.2 概率路线图与快速探索随机树
- 概率路线图（PRM）：在构型空间随机采样节点，连接近邻节点形成图，再在图内搜索路径。适合静态、多查询场景。
- RRT：如前所述，单次查询效率高，且能处理复杂障碍。
3.1.2 最优路径规划
在找到可行路径基础上，进一步优化路径长度、能量或平稳性。常见方法有RRT\*（渐近最优RRT变种）和**A\* with Anytime重规划**——随着时间推移，不断优化已有方案，仿佛“边跑边优化路线”。
3.2 轨迹规划
轨迹规划不仅指定路径形状，还为路径点赋予时间信息，生成可执行的连续运动。
3.2.1 时间参数化与速度规划
将路径转化为时间函数，确定每个时刻的位置、速度和加速度。常见的速度规划有梯形速度曲线和S形曲线，后者更平滑，被调侃为“专治急刹车的良方”。
3.2.2 平滑性与动态可行性
轨迹需满足机器人动力学约束（如最大速度、加速度）。平滑性指标（如jerk（加加速度））用于防止抖动或受力突变。不满足动态可行性的轨迹会让机器人“疯狂抽搐”。
3.3 避障与重规划
实时避障是运动规划的关键环节，常在执行中发现新障碍时触发重规划。
3.3.1 动态窗口法
DWA（Dynamic Window Approach）在机器人速度空间采样，预测较短时域内的运动轨迹，选择安全且靠近目标的动作。它像一个“怂而稳健”的司机，只考虑马上能刹停的速度窗口。
3.3.2 人工势场法
构造目标引力场和障碍物斥力场，机器人沿合力方向移动。优点计算快，缺点易陷入局部极小（俗称“卡在死角怀疑人生”）。常与全局规划结合使用。
4 任务规划
任务规划面向高层决策，如“先做什么后做什么”以及机器人之间的协作。
4.1 任务分解与调度
将复杂任务拆解为可执行的子任务并安排执行顺序。
4.1.1 装配序列规划
确定零件安装的顺序，避免“先装上后罩子，结果螺丝被盖住”的尴尬。常用图论（如装配优先关系图）求解。
4.1.2 多任务优先级分配
给定多个任务（如搬运、焊接），按紧急程度、耗时或资源消耗排序。优先级分配常被比作“家庭作业先写数学还是语文”——全看截止时间。
4.2 多机器人协作规划
多个机器人协同完成同一个大任务，需解决“谁做什么”以及“别撞在一起”的问题。
4.2.1 集中式与分布式规划
- 集中式：一个中央规划器统筹所有机器人，决策最优但开销大。
- 分布式：每个机器人各自规划，局部信息交换与协商。更灵活，但可能陷入“各自为政”的困境。
4.2.2 任务分配与冲突消解
任务分配常使用“市场拍卖”机制：机器人竞标任务，中标者执行。冲突（如争抢同一条路）可通过速度调整、等待或重新分配解决，有点像“食堂排队的绅士风度”。
4.3 人机协作规划
机器人需要与人类共事，彼此配合。
4.3.1 共享控制策略
在某些步骤（如精准装配）由人类直接操纵机器人，其他步骤机器人自主。控制权分配根据信任度或任务难度实时调整。
4.3.2 意图预测与交互
机器人预测人类下一步意图（如“正要伸手拿工具”），提前调整动作以避免等待或冲突。这需要人体姿态识别和历史行为学习。
5 学习与自适应规划
传统规划依赖精确模型，而学习方法赋予机器人在未知环境中“边学边规划”的能力。
5.1 基于强化学习的规划
强化学习通过与环境的交互试错，学习最优动作序列。
5.1.1 值函数与策略搜索
- 值函数：评估某个状态或状态-动作对的长期回报。机器人根据值函数选择动作。
- 策略搜索：直接在动作策略空间优化（如策略梯度法），适合连续动作空间。
5.1.2 深度强化学习在规划中的应用
结合深度学习（如DQN、PPO），能处理高维视觉输入。应用包括：训练机器人玩电子游戏、在模拟环境中学习后迁移到真实世界。但训练过程常被调侃为“用显卡烧命”。
5.2 模仿学习与规划
机器人向专家（人类或示范程序）学习，不靠试错而是复制行为。
5.2.1 示教与行为克隆
记录专家演示的轨迹，将状态-动作对作为训练数据。问题在于泛化能力弱，遇到新环境可能“东施效颦”。
5.2.2 逆强化学习
从专家演示中推断隐含的奖励函数，再基于奖励函数优化策略。相当于“通过看别人打游戏，猜出游戏评分标准”。
5.3 在线学习与重规划
机器人在执行过程中持续学习，不断调整规划以适应变化。
5.3.1 动态环境下的适应性
当环境发生改变（如障碍移动、道路封闭），机器人利用在线学习更新模型，重新规划。好比“导航软件发现前方封路，立即规划新路线”。
5.3.2 元学习与规划
元学习让机器人学会“如何更快地学习新任务”，在少量经验后就能适应新规划场景。被誉为“学会学习”的规划方法，有“一次训好，终身受用”的潜质。
6 机器人规划的硬件与软件实现
优良的算法需依托强大的工具链和硬件平台才能落地。
6.1 常见规划算法库
开源社区提供了大量高质量的规划库。
6.1.1 OMPL、MoveIt、ROS导航栈
- OMPL（Open Motion Planning Library）：包含PRM、RRT等运动规划算法。
- MoveIt：ROS（机器人操作系统）上的高级运动规划框架，整合OMPL、碰撞检测。
- ROS导航栈：专注于移动机器人导航，内建全局/局部规划器、代价地图、AMCL定位。
6.1.2 开源仿真环境
Gazebo、Webots、CoppeliaSim广泛应用于算法测试和部署。数字孪生技术更进一步，让规划算法在镜像真实环境的仿真中预演。
6.2 实时规划与嵌入式系统
机器人规划需满足实时性，尤其对响应速度敏感的自主系统。
6.2.1 时间约束下的算法优化
常见优化包括：降低搜索分辨率、使用近似启发式、提前预计算缓存。有时需要接受“次优但够用”的方案。
6.2.2 硬件加速技术
使用GPU并行计算加速路径搜索或碰撞检测（如实时A*的GPU版本）。FPGA在低延迟场景中亦有应用。
6.3 规划系统的调试与测试
测试规划系统通常采用回放日志、可视化工具（如RViz）和单元测试。常见调试套路：把失败的规划路径画出来，然后笑着发现“机器人想穿过墙”。
7 应用案例与未来方向
机器人规划已广泛渗透至各行各业。
7.1 工业机器人：焊接、搬运与协作
工厂中，焊接机器人规划最优焊枪路径以降低热变形；AGV规划搬运路径，避免堵车；协作机器人则需规划避让人类工人的轨迹。
7.2 自动驾驶：路径规划与行为决策
自动驾驶汽车利用全局规划（如A*分配宏观道路）和局部规划（如DWA实现变道）。行为层决策如“是否超车”属于高级任务规划。
7.3 服务机器人：家庭清扫与陪伴
扫地机器人综合全覆盖路径规划与实时避障；陪伴机器人规划与人类互动的社交动作（如“打招呼后再递水杯”）。
7.4 特种机器人：搜救与太空探索
搜救机器人在废墟中规划穿越狭窄缝隙的路径；火星车（如“毅力号”）自主规划采样路线，远离危险区域。
7.5 未来挑战
机器人规划仍面临诸多开放性难题。
7.5.1 不确定性建模
现实世界充满传感器噪声、动作执行偏差和不可预测的第三方行为。如何将不确定性纳入规划（如概率规划、部分可观测马尔可夫决策过程）是热点。
7.5.2 复杂社会交互
机器人在拥挤商场、人行道等处，需要预测人类群体意图，融入社会规范（如排队、让路）。这要求规划具有“情商”。
7.5.3 可解释性与安全性
自动驾驶或医疗机器人若出错，后果严重。规划结果需要可解释（“它为什么拐这个弯？”），且需形式化验证其安全性——让机器人成为“守规矩的好孩子”且“讲得清为什么”。