Robotics Core 2.0: Refreshing the Basics (Without The Boring Intro Stuff)

如果你正在调试一台在仓库里反复蹭货架的AMR，或者折腾一架在园区GPS拒止区飘着飞的配送无人机，又或者熬了三个通宵调人形机器人的步态还是稳不住，那你来对地方了——这章不会给你讲“什么是机器人”“LiDAR和IMU有什么区别”这种入门废话，而是直接戳破自主机器人系统里最痛的真相：你手里的SLAM、路径规划、运动控制三个模块，不管单个参数调得有多完美，只要它们之间的链路不通，最终跑出来的效果一定是一坨。别急，我们先把这个核心矛盾拆清楚，再给你画好后面14章的学习地图，保证你每读一章都能解决一个实际踩过的坑。

1.1 三大支柱不是黑盒：自主机器人的核心是“链路”不是“模块”

大多数高级从业者对三大支柱的基础概念已经门儿清：SLAM负责解决“我在哪、周围有啥”的感知问题，路径规划负责解决“我怎么去目的地不撞东西”的决策问题，运动控制负责解决“我怎么按照规划的路径走稳”的执行问题。但90%的系统故障都不是单个模块的算法问题，而是三大支柱之间的耦合失效——就像一辆跑车，发动机、变速箱、轮胎单独看都是顶级配件，但传动轴没装好，照样跑不起来。

我们可以用亚马逊仓储机器人Kiva（现在叫Amazon Robotics）的实际运行链路来举个例子：每台Kiva AMR底部装有一个2D激光雷达，顶部有一个顶置激光雷达，同时集成IMU和轮式编码器。它的感知模块用激光-惯性融合的SLAM实时输出厘米级位姿，同时用顶置雷达识别货架和周围的其他AMR；规划模块根据任务目标（比如“把货架搬到拣货站”）生成全局路径，同时用局部规划器实时避让突然出现的工人或者掉落的货物；控制模块把路径转换成轮子的转速和转向指令，同时用轮式编码器的反馈修正打滑误差。整个链路每秒要跑30次，任何一个环节延迟超过30ms，或者误差超过5cm，都可能造成货架碰撞或者任务中断。

```mermaid graph LR A[Environment] --> B[Perception<br/>(SLAM + Object Detection)] B --> C[State Estimation<br/>(Pose, Velocity, Obstacle Map)] C --> D[Path Planning<br/>(Global + Local)] D --> E[Motion Control<br/>(Low-level Controller)] E --> F[Actuators<br/>(Wheels, Motors, Propellers)] F --> A %% 反馈回路 F --> G[Sensors<br/>(LiDAR, IMU, Camera, Encoder)] G --> B %% 误差标注 style B fill:#f9f,stroke:#333,stroke-width:2px style D fill:#9f9,stroke:#333,stroke-width:2px style E fill:#99f,stroke:#333,stroke-width:2px ``` *图1.1：自主机器人核心链路示意图，三大支柱通过反馈回路形成闭环，任意环节的误差都会传导到下一个环节*

这个链路里的误差传导是致命的：比如SLAM的位姿漂移了10cm，规划器算出来的障碍物位置也会偏10cm，要是规划的路径离障碍物只有5cm，接下来一定会发生碰撞；反过来，控制器的跟踪误差有5cm，实际轨迹偏离规划路径，哪怕感知和规划都完美，还是会撞。根据2024年《Robotics and Automation Letters》的调研，仓储机器人现场故障的68%来自三大模块的链路误差，只有22%来自单个模块的算法bug，剩下10%来自硬件故障。

> 💡 Practitioner’s Tip（电子版侧边栏）：你下次调试机器人出问题，别上来就改算法参数，先拿高精度真值设备（比如动作捕捉系统、RTK-GPS）测一下每个模块的单独误差：先测SLAM的位姿误差，再测规划器的路径误差，最后测控制器的跟踪误差，90%的情况下你都能快速定位到是哪个环节的误差超标，而不是瞎调参数。

1.2 感知 pillar：SLAM的“完美实验室表现”和“烂大街实际表现”之间的鸿沟

作为高级读者，你肯定用过工业界事实标准的SLAM系统：激光领域用Cartographer，视觉领域用ORB-SLAM3，视觉-惯性领域用VINS-Fusion。这些系统在公开数据集上的表现堪称完美：比如ORB-SLAM3在EuRoC数据集上的绝对轨迹误差（ATE）只有0.02m，Cartographer在KITTI数据集上的ATE只有0.05m。但到了实际场景里，这些系统的表现会直接打对折，核心痛点集中在四个地方：

1.2.1 动态物体的“隐形杀手”

公开数据集里的场景基本都是静态的，但实际场景里到处都是动态物体： warehouse里走过的工人、园区里骑过来的电动车、无人机前面飞过的鸟。SLAM的核心假设是“大部分场景是静态的”，如果动态物体没有被过滤掉，会被当成静态特征建图，直接导致位姿漂移。比如ORB-SLAM3在TUM动态数据集上的ATE是0.05m，而加了动态物体去除模块的版本ATE能降到0.02m，但计算量会多1.8倍——在Jetson Nano这种嵌入式设备上，帧率会从15fps降到8fps，根本满足不了高速运动机器人的需求。

2023年某头部自动驾驶公司的测试车在隧道里发生的碰撞事故，直接原因就是隧道墙上的动态广告牌被SLAM当成了静态特征，位姿漂移了30cm，导致规划器把障碍物位置算错，最终撞上了隔离带。这个案例里，SLAM算法本身没有问题，问题出在实际场景的动态干扰没有考虑到。

1.2.2 传感器噪声的“累积效应”

很多人对传感器噪声的认知只停留在“有噪声”这个层面，但没有量化的概念。比如低成本MEMS IMU的角速度噪声是0.01°/s/√Hz，bias稳定性是10mg——也就是说，哪怕IMU放在桌子上不动，一小时后z轴的速度会漂出1m/s，对应的位姿漂移会到1800m，完全没法用。如果没有高频的视觉或者激光校正，IMU的位姿漂移会在几分钟内超过1m，足够让AMR撞上货架。

激光雷达的噪声同样不可忽视：10m外的测距误差是±2cm，100m外的测距误差会升到±