#Aerial Robotics 第3周之PLAN笔记

规划

一般来说，四旋翼的轨迹需要是光滑的 ，因为四旋翼是一个动力学系统 ，它无法进行任意突变轨迹运动 ，这一要求常常被转化为最小化输入的变化率 。

2.我们特别感兴趣是的动力系统的阶数

如果你用运动学模型来考虑某机器人。换句话说，假设你 

可以任意地指定速度，这是一个一阶系统

如果你有一个具有二阶动力学的机器人 

这意味着你可以任意指定加速度

对于三阶系统，您应该能够控制或 

指定或规定第三阶的导数， 这也被称为挺举（加速度的变化率）

同样，四阶系统涉及指定或 

规定四阶导数，其也被称为快动

系统的阶数将决定输入的类别 如果是 n 阶系统，换言之 你是在指定或规定位置 （惯性系坐标）的第 n 阶导数一般来说，从一阶到 n-1 阶导数 都有相应的边界条件 为了解决这个问题 我们想使用变分法这一工具 在数学上有很多关于变分法的文献 

想要解决的问题非常简单

3.如在这个等式中，你试图最小化一个积分 ，你试图寻找最佳的x(t)从而最小化泛函数 L，这里泛函数指的是函数 L 的积分， 其值取决于函数 x(t) ，x(t)的导数(t)以及自变量时间 t。

常见的泛函数（ functional）                泛函数为何要如此选择

Minimum Velocity Trajectories from the Euler-Lagrange Equations

In lecture, we considered problems where we had to find the function x*(t) that 

minimizes the integral of a cost function L over T.

When looking for the minimum velocity trajectory, this cost function（L） is x dot squared.

独立的泛函数和最佳曲线 它们还必须满足被称为 欧拉-拉格朗日方程的约束 这些是这个最佳函数必须满足的必要条件

In lecture, we considered problems where we had to find the function x*(t) that 

minimizes the integral of a cost function L over T.

n = 1 真的对应于最小速度轨迹 从而其为我们提供了距离最短的轨迹 

从 n 的值从 1 到 n 有何差异  

一般来说，系统可能具有更高阶的动态特征   泛函数为何要如此选择

例如，对于某 n 阶系统，你可能无法做到指定或规定速度 ，因为系统具有惯性，于是 ，你无法随意的指定速度 ，对于 n 阶系统，输入是位置的 n 阶导数

这个设定中， 欧拉-拉格朗日方程看起来会略微复杂一些 ，但再次强调，其会涉及到函数 L 的偏微分和全微分项

如果设定 n=1，我们得到距离最短的曲线，直线 

n = 2 对应于加速度最小化的泛函数，这个泛函数指加速度的平方项 

n = 3 对应跃度平方的最小化 

n = 4 对应最小化的快动 

由此，我们相应得到的最小速度轨迹、最小加速度轨迹 

最小跃度轨迹和最小快动轨迹

Solving for Coefficients of Minimum Jerk Trajectories

Waypoint Navigation