人工势场法

原理

人工建立势场，将障碍物设置成斥力，目标设置成吸引力，进行力的矢量相加，最后算出合力的方向。

引力场

常用的引力函数：

这里的ε是尺度因子.ρ(q,q_goal)表示物体当前状态与目标的距离。引力场有了，那么引力就是引力场对距离的导数（类比物理里面W=FX）：

斥力场

公式（3）是传统的斥力场公式。公式中η是斥力尺度因子，ρ（q,q_obs）代表物体和障碍物之间的距离。ρ_0代表每个障碍物的影响半径。换言之，离开一定的距离，障碍物就对物体没有斥力影响。

斥力就是斥力场的梯度


总的场就是斥力场合引力场的叠加，也就是U=U_att+U_rep,总的力也是对对应的分力的叠加，如下图所示：

优点：

简单实用，有良好的实时性
结构简单，便于底层的实时控制，在实时壁障和平滑的轨迹控制方面得到广泛的应用

缺点：

1. 当目标点距离较远的话，引力将变得特别大，相对较小的斥力下，物体路径可能会碰到障碍物
2. 当目标点附近有障碍物时，斥力将非常大，引力相对较小，物体很难到达目标点
3. 在某个点，引力斥力刚好相等，方向相反，物体容易陷入局部最优解或震荡
4. 容易陷入局部最优解

改进：

1. 对于碰到障碍物的问题，可以通过修正引力函数来解决，避免距离过大导致引力过大。
   和（1）式相比，（5）式增加了范围限定。d*_goal 给定了一个阈值限定了目标和物体之间的距离。对应的梯度也就是引力相应变成：
   
2. 目标点附近有障碍物导致目标不可达的问题，引入一种新的斥力函数

这里在原有斥力场的基础上，加上了目标和物体距离的影响,（n是正数，我看到有篇文献上n=2）。直观上来说，物体靠近目标时，虽然斥力场要增大，但是距离在减少，所以在一定程度上可以起到对斥力场的拖拽作用
相应斥力变成：

所以可以看到这里引力分为两个部分，编程时要格外注意

3. 局部最优问题是一个人工势场法的一个大问题，这里可以通过加一个随机扰动，让物体跳出局部最优值。类似于梯度下降法局部最优值的解决方案。