关于全自动机器人是怎么导航的科普博文

前言：看了一篇介绍机器人导航的文章，初步有一些了解，于是记录下来

---

现在很多餐厅，都用上了送餐机器人，机器人能端着盘子蹭蹭蹭地自动上菜。

不过仔细看，这不是巡线小车吗？只要事先铺设好路线，它就会跟着指引线走。

但很多情况下，地上都没有指引线（比如室外），那要如何找路呢？目前有两种方式。

第一种：找参照物，规划好机器人的运动线路。

那么，问题又来了，如果机器人遇到障碍物，或者被人为挪动了，起点就会错乱。我们把“遇障碍”叫动态路径规划，“被挪动”叫机器人绑架问题。

我们就要用另一种方法——感知式系统。它会先得到地图（事先得到或者自己建立），然后对地图解析推理，得到最佳的路。就像手机导航，从地图中找路。

它能做更复杂的操作，比如自主定位、自主导航。像智能扫地机器人、无人车等就是用了感应式系统。

---

宾夕法尼亚大学的Vijay Kumar教授在Coursera公开课上讲过，任何系统的导航，都由四部分组成：
状态估计（State Estimation）：实现机器人的定位和感知；
建图（Mapping）：建立所在环境的地图（如果事先没有给地图的话）；
规划（Planning）：制定能走的路；
控制（Control）：控制机器人按照导航走。

---

定位（状态估计）和建图

这两部分经常被一起提起，他们就是大名鼎鼎的SLAM（Simultaneous Localization And Mapping，同步建图与定位）。

我们用一个最简单的一维定位问题，来看机器人如何定位。

在这个问题里，三个门的相对位置是已知的。机器人一开始不知道自己在哪，所以黑线（表示概率）没有起伏。（a图）

前进时，机器人发现了一扇门，它立马确定自己在一扇门旁边，但不知道哪一扇。所以机器人在三扇门位置的概率都升高了。（b图）

我们继续走，发现了另一扇门。根据两扇门的相对位置（地图提供），机器人确定自己在第二扇门的旁边。（d图）

现在，机器人基本确定了自己的位置，完成了定位。无人车在3D地图中，也是靠这种方法定位。

那万一机器人走进沟里、爬树上了怎么办？我们也有对策。平面中，常用二维栅格地图，地图会被切成一个个小格。

我们可以用“0”和“1”来表示这个格子是否可以通过，最终得到了相应的地图。

格子越小，地图就越精确，不过占用的存储空间也就越大。

---

规划

现在有了定位和地图，可以开始导航了。就像手机导航一样，我们需要知道起点和终点，然后找到一条路。

关键就在“路”的选择上，需要考虑很多因素。

举个栗子，我在西安上学，打算自驾去拉萨看布达拉宫。小学学过，两点之间直线最短，我就沿着直线跑。跑着跑着发现不对头，这路都是土路、山路、峡谷，耗油量反而更高了！于是规划出另一条路，尽量绕开山坡，同时保证路径最短。

机器人的运动同理，需要考虑全局规划（路径短）和局部规划（绕障碍），最后得到最佳的路径。

经典的规划算法有A*、D*、RRT、RPM等，其中D*和RRT算法比较有代表性。

---

控制

控制就是让机器人动起来，并且动得很精准，主要包括对底盘的运动控制和电机的PID控制。