机器人系统全景图：感知-决策-执行三大模块详解

观熵

已于 2025-04-18 10:32:13 修改

阅读量1.9k

点赞数 20

分类专栏：机器人研发全栈进阶指南：从ROS到AI智能控制文章标签：机器人人工智能

于 2025-03-30 14:52:00 首次发布

本文链接：https://blog.csdn.net/sinat_28461591/article/details/146754185

版权

个人简介

作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与 Agent 架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。
我叫观熵。不是在控熵，就是在观测熵的流动
个人主页：观熵
个人邮箱：privatexxxx@163.com
座右铭：愿科技之光，不止照亮智能，也照亮人心！

专栏导航

观熵系列专栏导航：
AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到AI在行业中的落地应用，我们将深入剖析最前沿的AI技术，分享实用的开发经验，并探讨AI未来的发展趋势
AI开源框架实战：面向 AI 工程师的大模型框架实战指南，覆盖训练、推理、部署与评估的全链路最佳实践
计算机视觉：聚焦计算机视觉前沿技术，涵盖图像识别、目标检测、自动驾驶、医疗影像等领域的最新进展和应用案例
国产大模型部署实战：持续更新的国产开源大模型部署实战教程，覆盖从模型选型 → 环境配置 → 本地推理 → API封装 → 高性能部署 → 多模型管理的完整全流程
TensorFlow 全栈实战：从建模到部署：覆盖模型构建、训练优化、跨平台部署与工程交付，帮助开发者掌握从原型到上线的完整 AI 开发流程
PyTorch 全栈实战专栏： PyTorch 框架的全栈实战应用，涵盖从模型训练、优化、部署到维护的完整流程
深入理解 TensorRT：深入解析 TensorRT 的核心机制与部署实践，助力构建高性能 AI 推理系统
Megatron-LM 实战笔记：聚焦于 Megatron-LM 框架的实战应用，涵盖从预训练、微调到部署的全流程
AI Agent：系统学习并亲手构建一个完整的 AI Agent 系统，从基础理论、算法实战、框架应用，到私有部署、多端集成
DeepSeek 实战与解析：聚焦 DeepSeek 系列模型原理解析与实战应用，涵盖部署、推理、微调与多场景集成，助你高效上手国产大模型
端侧大模型：聚焦大模型在移动设备上的部署与优化，探索端侧智能的实现路径
行业大模型 · 数据全流程指南：大模型预训练数据的设计、采集、清洗与合规治理，聚焦行业场景，从需求定义到数据闭环，帮助您构建专属的智能数据基座
机器人研发全栈进阶指南：从ROS到AI智能控制：机器人系统架构、感知建图、路径规划、控制系统、AI智能决策、系统集成等核心能力模块
人工智能下的网络安全：通过实战案例和系统化方法，帮助开发者和安全工程师识别风险、构建防御机制，确保 AI 系统的稳定与安全
智能 DevOps 工厂：AI 驱动的持续交付实践：构建以 AI 为核心的智能 DevOps 平台，涵盖从 CI/CD 流水线、AIOps、MLOps 到 DevSecOps 的全流程实践。
C++学习笔记？：聚焦于现代 C++ 编程的核心概念与实践，涵盖 STL 源码剖析、内存管理、模板元编程等关键技术
AI × Quant 系统化落地实战：从数据、策略到实盘，打造全栈智能量化交易系统

一、什么是“机器人系统”？为什么必须系统化看待？

很多初学者刚接触机器人时，往往从“搭车”“装电机”“跑代码”开始，但随着项目复杂度提升，会发现：

传感器接上了，但识别不准；
控制器逻辑写了，但机器人乱动；
地图建出来了，但路径绕远、不避障；
能跑，但一断电重启就出错、不好调试；

这些问题看似五花八门，本质是缺乏“系统思维”来理解机器人。

📌 机器人 ≠ 硬件 + 程序，而是一个完整的系统工程

一个真正的机器人，远不是几行控制电机的代码那么简单。

它是一个集成了：

各类传感器（获取环境信息）、
多层级控制器（完成运动任务）、
智能决策系统（做路径、规避、抓取等动作选择）、
通信与协调机制（节点间数据同步）、
以及完整的软件架构与硬件适配

的闭环感知-控制系统（Perception-Control Loop）。

🧠 为什么一定要“系统化思考”？

因为机器人不是跑一段逻辑就能完成任务的程序，它是一个分布式、异步、多线程、高协同的实体：

多个模块并行运行（感知模块、控制模块、导航模块等）
各子系统必须在毫秒级完成协作
数据处理要考虑延迟、同步、频率、误差、反馈

🚨 举例说明：
假如你的激光雷达频率是 10Hz，路径规划模块刷新频率是 1Hz，而控制器是 50Hz，没有经过合理设计的数据流路由与缓冲机制，系统将出现：

延迟反馈
路径不一致
抖动控制
甚至运动失控

🤖 系统级思维模型：感知 → 决策 → 控制 → 执行

这就是为什么机器人工程普遍采用下图这样的分层结构👇：

+---------------------+
|     感知系统        |  相机、激光雷达、IMU 等
+---------------------+
            ↓
+---------------------+
|     决策系统        |  路径规划、避障策略、状态机、AI推理
+---------------------+
            ↓
+---------------------+
|     控制系统        |  控制器PID、MPC等、动作执行逻辑
+---------------------+
            ↓
+---------------------+
|     执行系统        |  电机、舵机、底盘、机械臂等硬件执行器
+---------------------+

这个结构的核心思想是：