绪论：机器人学核心架构与本书导读 / Introduction: Core Architecture of Robotics and Book Guide

机器人学（Robotics）是融合机械工程、电子工程、计算机科学、人工智能等多学科的交叉领域，核心目标是设计能够感知环境、自主决策、执行任务的智能系统。自20世纪中叶诞生以来，机器人学已从工业流水线上的重复性作业工具，逐步演进为可适应复杂动态环境、执行多样化任务的自主系统，广泛应用于仓储物流、自动驾驶、医疗服务、太空探索等场景。本章作为全书导引，将系统梳理机器人学的演进脉络与核心架构，明确本书的内容体系与学习路径，帮助读者建立对机器人自主系统的全局认知。

---

1.1 机器人学发展历程与分类体系

1.1.1 发展关键里程碑

机器人学的演进可划分为四个阶段，每个阶段的突破性进展都直接推动了感知、规划、控制三大核心模块的技术迭代：

阶段1：萌芽与原型验证期（1950-1969）

1954年，美国发明家George Devol申请了首台可编程工业机器人专利，提出了“示教-再现”的核心控制逻辑，为工业机器人奠定了技术基础。1961年，基于该专利开发的Unimate机器人正式在通用汽车工厂的冲压产线投入使用，取代人工完成高温、高污染的金属搬运作业，标志着机器人首次进入工业场景。1966年，美国斯坦福研究所（SRI）发布了全球首台具备自主导航能力的移动机器人Shakey，其搭载了12KB内存、2MHz的处理器，通过单目摄像头、超声传感器和碰撞传感器感知环境，基于逻辑推理规划移动路径，可完成“移动到指定房间”“推动障碍物”等简单指令，首次验证了机器人“感知-决策-执行”闭环的可行性。 > 💡 电子版侧边栏：Shakey的软件栈如今已开源，读者可在SRI官网获取其原始代码，体验1960年代的自主导航逻辑。

阶段2：理论体系奠基期（1970-1999）

1970年代，麻省理工学院（MIT）的Marvin Minsky提出了机器人“感知-行动循环（Perception-Action Cycle）”理论框架，明确指出机器人智能的核心是传感器输入与执行器输出的闭环交互，而非独立的计算模块。1980年代，John Craig出版的《机器人学导论（Introduction to Robotics: Mechanics and Control）》首次系统梳理了机器人运动学、动力学、控制理论的标准体系，成为全球高校机器人专业的通用教材。1990年代，悉尼大学的Hugh Durrant-Whyte提出了同步定位与建图（Simultaneous Localization and Mapping, SLAM）的理论框架，解决了机器人在未知环境中同时定位与环境建模的难题，1995年其团队在澳大利亚皮尔巴拉矿区部署的自动采矿卡车，基于扩展卡尔曼滤波（EKF）实现SLAM功能，定位精度达到10cm，比人工驾驶的定位精度提升30%，单卡车年作业时长提升20%，首次验证了SLAM技术的商业价值。

阶段3：商业化落地期（2000-2015）

2004年，美国国防部高级研究计划局（DARPA）举办首届自动驾驶挑战赛，冠军车型Stanford大学的Stanley基于激光雷达、摄像头、GPS实现自主导航，完成了142英里的沙漠赛道，平均速度达22km/h，标志着移动机器人技术从实验室走向开放道路。2007年DARPA城市挑战赛中，卡内基梅隆大学（CMU）的Boss车型首次实现了城市道路的自主跟车、变道、路口通行等功能，验证了复杂动态环境下机器人技术的可行性。2011年，波士顿动力（Boston Dynamics）发布四足机器人BigDog，搭载4个液压驱动关节、IMU和激光雷达感知系统，控制频率达1kHz，可承载340kg载荷在30度斜坡、崎岖碎石路等复杂地形稳定行走，突破了足式机器人的平衡控制技术瓶颈。

阶段4：智能化融合期（2016至今）

2016年深度学习技术的爆发推动了机器人感知模块的跨越式升级，基于卷积神经网络（CNN）的目标检测、语义分割算法将障碍物识别精度提升至95%以上，远超传统手工特征方法。2022年特斯拉发布人形机器人Optimus，2023年美国Figure AI发布的Figure 01机器人搭载多模态大模型，可理解自然语言指令（如“把红色苹果放到左侧篮子”），通过视觉感知识别物体、规划路径、控制机械臂完成抓取，标志着机器人从“预设程序执行”向“语义理解自主决策”的范式转变。2024年波士顿动力发布全电版Atlas人形机器人，可完成后空翻、跑酷、搬运重物等复杂动作，动态平衡能力接近人类水平，足式机器人的商业化落地进入快车道。

```mermaid timeline title 机器人学发展关键里程碑 1954 : Devol申请工业机器人专利 1961 : Unimate在通用汽车工厂上线 1966 : Shakey机器人发布，首个自主导航移动机器人 1980 : John Craig《机器人学导论》出版，成为行业标准教材 1995 : Durrant-Whyte团队部署自动采矿卡车，EKF-SLAM首次大规模应用 2004 : DARPA自动驾驶挑战赛，Stanley夺冠 2011 : Boston Dynamics BigDog亮相，四足机器人突破 2022 : Tesla Optimus人形机器人发布 2023 : Figure 01具身智能机器人发布，能理解自然语言指令 2024 : Atlas全电版机器人实现跑酷、后空翻等复杂动作 ```

1.1.2 机器人分类体系

根据应用场景、机械结构、智能水平的不同，机器人可划分为多个类别，不同类别的机器人在感知、规划、控制模块的技术选型上存在显著差异： 1. 按应用场景划分：

• 工业机器人：主要用于流水线装配、焊接、搬运等重复性作业，典型代表为六轴机械臂，特点是工作空间固定、环境结构化，规划模块以关节空间轨迹规划为主，控制模块以高精度位置控制为核心。
• 服务机器人：包括扫地机器人、配送机器人、服务接待机器人等，工作环境为非结构化的家庭、办公、商业场景，特点是环境动态性强，感知模块需支持动态障碍物检测，规划模块需支持动态路径重规划。
• 特种机器人：包括自动驾驶汽车、无人机、水下机器人、太空机器人等，工作环境极端，对可靠性、环境适应性要求极高，感知模块需支持多传感器融合，控制模块需支持容错控制。

2. 按机械结构划分：

• 刚性机器人：包括轮式移动机器人、机械臂、四足/人形机器人等，结构刚度高，运动学、动力学模型成熟，是当前产业落地的主流形态。
• 软体机器人：采用硅胶、形状记忆合金等柔性材料制造，可适应非结构化环境，完成抓取、内窥镜等刚性机器人无法完成的任务，特点是建模难度大，控制模块需结合机器学习和物理仿真。

3. 按智能水平划分：

• 示教再现型机器人：仅能按照预设程序执行固定动作，无自主感知、规划能力，是当前工业机器人的主流形态。
• 自主型机器人：可感知环境、自主决策、适应动态变化，是本书的核心讨论对象。
• 智能型机器人：具备语义理解、学习进化能力，可完成从未见过的任务，是当前具身智能领域的研究热点。

---

1.2 机器人学三大核心模块的功能定位与闭环交互

机器人自主系统的核心是由感知（Perception）、规划（Planning）、控制（Control）三大模块构成的闭环架构，三大模块的功能边界清晰，但又通过数据流深度耦合，缺一不可。以自动驾驶乘用车为例，三大模块的交互流程与技术指标如下： ```mermaid graph LR A[传感器输入<br>激光雷达/摄像头/IMU/GPS] --> B[感知模块<br>环境状态估计/障碍物检测/自定位] B --> C[规划模块<br>行为决策/路径规划/轨迹生成] C --> D[控制模块<br>轨迹跟踪/执行器指令] D --> E[机器人执行机构<br>轮子/机械臂/关节] E --> A style A fill:#f9f,stroke:#333,stroke-width:2px style B fill:#9f9,stroke:#333,stroke-width:2px style C fill:#99f,stroke:#333,stroke-width:2px style D fill:#ff9,stroke:#333,stroke-width:2px style E fill:#f99,stroke:#333,stroke-width:2px ```

1.2.1 感知模块：环境的数字孪生

感知模块的核心功能是将传感器的原始物理信号转化为结构化的环境状态表示，是机器人自主决策的信息基础。其输入包括激光雷达点云、摄像头图像、惯性测量单元（IMU）数据、全球导航卫星系统（GNSS）数据等，输出包括：

• 机器人自身的状态估计：位置、速度、姿态（6自由度位姿）；
• 外部环境的语义理解：障碍物的位置、速度、类别（车辆/行人/交通标识等），道路边界、可行驶区域，交通信号灯、路牌等语义信息。

以特斯拉Autopilot系统为例，其感知模块搭载8个环视摄像头、1个前向毫米波雷达、12个超声波雷达，感知频率为10Hz，对100米外车辆的检测准确率达98%，对50米外行人的检测准确率达95%，动态障碍物的跟踪延迟小于100ms。感知模块的核心技术挑战包括传感器噪声抑制、动态环境下的状态估计、多传感器融合、极端场景下的鲁棒性（如暴雨、大雾、逆光等场景）。 > 📝 纸书思考题1：为什么自动驾驶需要多传感器融合，而不是仅靠摄像头或仅靠激光雷达？结合三种传感器的优缺点分析。

###

1.2.1 感知模块补充说明与思考题解答

> 📝 纸书思考题1解答：三类主流传感器的优缺点与融合价值如下表所示： > | 传感器类型 | 测距精度 | 成本 | 抗干扰能力 | 语义理解能力 | 适用场景 | > |---|---|---|---|---|---| > | 激光雷达 | 厘米级 | 高（百元到万元级） | 差（雨雾、沙尘会大幅衰减信号） | 无（仅输出点云坐标） | 高精度定位、障碍物检测 | > | 摄像头 | 无（需算法估计） | 低（百元级） | 差（逆光、夜间效果骤降） | 强（可识别颜色、纹理、交通标识） | 语义分割、目标分类、车道线检测 | > | 毫米波雷达 | 分米级 | 中（千元级） | 强（可穿透雨雾、沙尘） | 弱（仅能区分金属障碍物） | 恶劣天气测距、动态障碍物跟踪 | > 多传感器融合通过互补优缺点，可将整体检测准确率提升至98%以上，同时满足ISO 26262汽车功能安全ASIL-D级别的冗余要求：激光雷达提供精确的3D障碍物位置，摄像头提供障碍物的语义类别（车辆/行人/交通标识），毫米波雷达提供雨雾天气下的测距冗余，三者融合后可覆盖99%以上的道路场景。

---

1.2.2 规划模块：从全局路径到动态轨迹

规划模块的核心是在给定的环境状态和任务目标下，生成满足安全性、舒适性、效率性约束的机器人运动序列，是机器人自主决策的核心。根据决策的时间尺度和抽象层次，规划模块可划分为三层递进架构，各层的输入输出和核心算法存在明显差异： ```mermaid classDiagram class 高层行为决策 { +输入：全局任务、环境语义信息 +输出：高层行为指令 +核心算法：有限状态机、行为树、大模型推理 +决策周期：100ms-1s } class 中层路径规划 { +输入：全局地图、当前位姿、高层行为指令 +输出：无时间维度的局部路径 +核心算法：A*、Dijkstra、RRT、PRM +规划周期：50-100ms } class 低层轨迹规划 { +输入：局部路径、机器人动力学约束 +输出：带时间维度的时空轨迹 +核心算法：多项式插值、数值优化、MPC +规划周期：10-50ms } 高层行为决策 --> 中层路径规划 中层路径规划 --> 低层轨迹规划 ```

以2023年美团部署的室内配送机器人为例，其规划模块的三层架构实现逻辑如下： 1. 高层行为决策：基于行为树实现，包含“前往配送点”“避障”“等待电梯”“呼叫电梯”“返回充电”等12个行为节点，根据当前任务状态和环境信息触发对应行为，比如检测到电梯门关闭时，触发“等待电梯”行为，而非继续向电梯移动。 2. 中层路径规划：采用改进的A*算法，结合动态障碍物的代价地图（动态障碍物区域会增加100倍的路径代价），规划频率为5Hz，可在100ms内生成避开静态障碍物和低速移动行人的局部路径，路径平滑度达90%以上，避免机器人频繁折返。 3. 低层轨迹规划：采用五次多项式插值生成轨迹，保证位置、速度、加速度连续，最大加速度限制为0.