先搞懂：机器人到底是个啥？

早上起床，你还没刷牙，家里的扫地机器人已经绕着沙发腿、避开你昨晚扔在地上的拖鞋，把客厅扫得干干净净；取快递的时候，驿站里的分拣机器人哗哗运转，几秒钟就把你的包裹从传送带上扒下来，放到对应城市的格口里；工厂车间里，六轴机械臂精准地拧着汽车发动机的螺丝，误差不超过0.1毫米，比拥有20年工龄的老师傅还稳；甚至你上周在公园玩的自动避障无人机、站上去就能自动保持平衡的电动平衡车，本质上都属于机器人的范畴。

一提到“机器人”，你脑子里是不是首先蹦出来变形金刚、终结者那样的“人形机器人”？或者是春晚舞台上穿着秧歌服、能跟观众挥手的人形机器人？没错，这些确实是机器人，但它们只是机器人世界里最“

它们只是机器人世界里最“吸睛”的明星，但远非全部。

如果你有空去工厂车间转一圈，你会发现那里才是机器人的“主战场”：汽车生产线上，六轴焊接机器人举着焊枪，每秒就能完成3个焊点，比人工快5倍，焊点均匀度、合格率能达到99.99%，整车几千个焊点不会有一个虚焊、漏焊；物流仓库里，AGV自动导引运输车驮着几吨重的货架，在二维码铺成的地面上悄无声息地跑，不用人驾驶，就能把货从入库区精准送到分拣口；甚至你吃的薯片、喝的易拉罐饮料，很多都是包装机器人完成封口的，速度比你眨眼还快。

再去医院看看，你会看到消毒机器人扛着紫外线灯，在病房里自动完成360度无死角消毒，消完毒还能自己回充电桩；手术室里，达芬奇手术机器人的机械臂比人的手指还灵活，医生坐在控制台前，操作手柄就能完成腹腔镜手术，创口只有几毫米，患者术后恢复时间能缩短一半。再往远了看，太空里的“玉兔”号月球车、“祝融”号火星车，能在零下一百多度的火星表面自主行驶、避坑、采集岩石样本，把数据传回地球；深海里的“奋斗者”号载人潜水器机械臂，能在万米深的海底抓取样本，承受的水压相当于一头大象站在你的大拇指上——这种极端环境人类根本不可能长时间停留，只有机器人能去。

你看，这些机器人长得千奇百怪：有的装四个轮子，有的装履带，有的装机械臂，有的甚至没有实体“身体”，只是一套装在防水盒子里的电路和算法，但它们都有一个共同的核心特征：不需要人持续操作，就能自动完成指定的任务。这也是我们这本书里讨论的“机器人”的狭义定义——广义上所有能自动工作的机电装置（比如自动售货机、自动门）都能算机器人，但我们重点研究的是具备自主感知环境、自主决策、自主执行动作能力的智能机电系统，核心是“自主”两个字：环境变了它能自己调整，任务变了它能自己适应，不用人一步步写死每一步该怎么做。

---

一、机器人的“灵魂三问”：感知、规划、控制到底是什么？

不管形态怎么变，所有机器人的核心运作逻辑都绕不开三个模块：感知、规划、控制，你可以把它们理解为机器人的“感官、大脑、手脚”，三个环节缺一不可，任何一个掉链子，机器人都会变成“傻子”“瘸子”“瞎子”。

> 📖 纸书旁注：你可以把机器人想象成一个刚入职的新员工 > 感知模块就是它的“眼睛、耳朵、皮肤”，负责收集周围所有的信息；规划模块就是它的“大脑”，负责想清楚“接下来要做什么、怎么做”；控制模块就是它的“手脚”，负责把大脑的想法变成实实在在的动作。

我们依然用扫地机器人这个最熟悉的例子，把三个模块的作用讲透：

• **感知模块**：扫地机器人的激光雷达就是它的“眼睛”，每秒能发射上万束激光，测出周围1到10米内所有物体的距离和位置，哪怕是一根透明的头发丝、一个放在地上的拖鞋都能识别；机身四周的碰撞传感器就是它的“皮肤”，碰到障碍物就会立刻发信号；机身上的IMU（惯性测量单元）就是它的“内耳前庭”，能感知自己是不是歪了、当前速度是多少、转弯角度有多大。如果没有感知模块，机器人就是“瞎子”，根本不知道自己周围有什么，走两步就会撞墙、摔下台阶。
• **规划模块**：就是扫地机器人的“大脑”，它会先把感知到的所有数据整合起来：首先用激光雷达的数据画出家里的户型图，标记出沙发、桌子、墙壁、台阶的位置，然后根据当前的电量、已经清扫过的区域，算出来接下来要走什么路线、先扫哪个房间、扫完怎么回充电桩。如果感知到前面有个拖鞋，大脑会立刻算出来“往左转10度就能绕开，不用停下来

不用停下来等主人捡，规划模块会立刻给控制模块发指令：“左转10度，前进30厘米，再右转回原来的路线”。你可能不知道，扫地机器人的规划模块其实分两层：全局路径规划和局部动态避障规划。全局规划就像你出门前用导航查好的从家到公司的固定路线，扫地机器人启动时会先根据激光雷达扫描到的全屋户型，把整个房间划分成一个个1米见方的虚拟格子，先算好“先扫卧室、再扫客厅、最后扫厨房”的全局清扫顺序，以及每个格子之间的最优行走路线，避免走回头路。而局部避障规划就像你开车时突然窜出来一只猫，你不需要重新查导航，只需要临时打个方向绕开就行——扫地机器人的局部规划模块会以每秒10次以上的频率刷新周围的环境数据，哪怕你突然把脚伸到它前面，它也能在0.1秒内算出绕开你的路线，不会撞到你的脚，更不会卡在原地等你移开。

你可能会问：要是家里突然搬了个新柜子，或者你扔了个快递盒在地上，它的全局规划会不会失效？当然不会。现在的中高端扫地机器人都会支持动态地图更新，感知模块扫到新的障碍物后，会把位置信息同步给规划模块，规划模块会自动把新柜子的位置加到全局地图里，调整后续的清扫路线，不用你手动重新设置清扫区域。这就是机器人“自主适应环境”的核心能力：不是提前把所有规则都写死，而是能根据实时感知到的环境变化，动态调整自己的决策。

如果说规划模块是机器人的“大脑”，那控制模块就是机器人的“手脚”和“肌肉”，负责把大脑算出来的抽象指令，变成实实在在的物理动作。还是拿扫地机器人举例：规划模块说“左转10度，前进30厘米”，控制模块不会真的让机器人“转10度”——它要做的是计算左右两个轮子的转速差：左边轮子每秒转1圈，右边轮子每秒转2圈，两个轮子转速不一样，机器人就会自然地向左转，转的角度刚好是10度，然后两个轮子以同样的速度每秒转2圈，机器人就会笔直前进30厘米。你可能会觉得“算个转速而已，有什么难的？”但实际工业场景里，控制的精度要求会高到你想象不到：汽车生产线上焊接机器人的控制精度要达到0.1毫米，相当于一根头发丝的1/6，不然焊出来的汽车门缝会不均匀，甚至漏雨；手术机器人的控制精度要达到0.01毫米，相当于细菌的直径，不然切肿瘤的时候会伤到旁边的健康组织^1。哪怕是普通的扫地机器人，控制模块也要保证它沿着墙角走的时候，边缘和墙的距离误差不超过1厘米，不然墙角的灰尘扫不到，用户会骂它“扫不干净”。

再举个更直观的例子：你站上去就能自动保持平衡的电动平衡车，核心就是控制模块在起作用。平衡车上装了一个IMU（惯性测量单元），能每秒100次感知车身是不是歪了、歪了多少、往哪个方向歪。只要车身稍微往左歪一点，控制模块就会立刻给两个轮子发指令：左边的轮子往前转，右边的轮子往后转，瞬间产生一个向右的力，把歪掉的车身拉回平衡状态，整个过程比你大脑反应过来“我歪了”要快得多，所以你站上去不会倒。如果控制模块的反应慢0.1秒，你站上去还没等它调整，就已经摔在地上了。

讲完三个模块各自的作用，我们再来理清楚它们之间的关系：三个模块不是孤立的，而是形成了一个“感知-决策-执行-反馈”的闭环，任何一个环节出问题，整个系统都会瘫痪。为了让你更直观地理解这个关系，我们可以用一张流程图来展示：

```mermaid graph LR A[感知模块<br>传感器采集环境/自身状态数据] --> B[规划模块<br>基于数据做决策/路径计算] B --> C[控制模块<br>将决策转化为执行动作] C --> D[

不用停下来等主人捡，规划模块会立刻给控制模块发指令：“左转10度，前进30厘米，再右转回原来的路线”。你可能不知道，扫地机器人的规划模块其实分两层：全局路径规划和局部动态避障规划。全局规划就像你出门前用导航查好的从家到公司的固定路线，扫地机器人启动时会先根据激光雷达扫描到的全屋户型，把整个房间划分成一个个1米见方的虚拟格子，先算好“先扫卧室、再扫客厅、最后扫厨房”的全局清扫顺序，以及每个格子之间的最优行走路线，避免走回头路。而局部避障规划就像你开车时突然窜出来一只猫，你不需要重新查导航，只需要临时打个方向绕开就行——扫地机器人的局部规划模块会以每秒10次以上的频率刷新周围的环境数据，哪怕你突然把脚伸到它前面，它也能在0.1秒内算出绕开你的路线，不会撞到你的脚，更不会卡在原地等你移开。

你可能会问：要是家里突然搬了个新柜子，或者你扔了个快递盒在地上，它的全局规划会不会失效？当然不会。现在的中高端扫地机器人都会支持动态地图更新，感知模块扫到新的障碍物后，会把位置信息同步给规划模块，规划模块会自动把新柜子的位置加到全局地图里，调整后续的清扫路线，不用你手动重新设置清扫区域。这就是机器人“自主适应环境”的核心能力：不是提前把所有规则都写死，而是能根据实时感知到的环境变化，动态调整自己的决策。

如果说规划模块是机器人的“大脑”，那控制模块就是机器人的“手脚”和“肌肉”，负责把大脑算出来的抽象指令，变成实实在在的物理动作。还是拿扫地机器人举例：规划模块说“左转10度，前进30厘米”，控制模块不会真的让机器人“转10度”——它要做的是计算左右两个轮子的转速差：左边轮子每秒转1圈，右边轮子每秒转2圈，两个轮子转速不一样，机器人就会自然地向左转，转的角度刚好是10度，然后两个轮子以同样的速度每秒转2圈，机器人就会笔直前进30厘米。你可能会觉得“算个转速而已，有什么难的？”但实际工业场景里，控制的精度要求会高到你想象不到：汽车生产线上焊接机器人的控制精度要达到0.1毫米，相当于一根头发丝的1/6，不然焊出来的汽车门缝会不均匀，甚至漏雨；手术机器人的控制精度要达到0.01毫米，相当于细菌的直径，不然切肿瘤的时候会伤到旁边的健康组织。哪怕是普通的扫地机器人，控制模块也要保证它沿着墙角走的时候，边缘和墙的距离误差不超过1厘米，不然墙角的灰尘扫不到，用户会骂它“扫不干净”。

再举个更直观的例子：你站上去就能自动保持平衡的电动平衡车，核心就是控制模块在起作用。平衡车上装了一个IMU（惯性测量单元），能每秒100次感知车身是不是歪了、歪了多少、往哪个方向歪。只要车身稍微往左歪一点，控制模块就会立刻给两个轮子发指令：左边的轮子往前转，右边的轮子往后转，瞬间产生一个向右的力，把歪掉的车身拉回平衡状态，整个过程比你大脑反应过来“我歪了”要快得多，所以你站上去不会倒。如果控制模块的反应慢0.1秒，你站上去还没等它调整，就已经摔在地上了。

讲完三个模块各自的作用，我们再来理清楚它们之间的关系：三个模块不是孤立的，而是形成了一个“感知-决策-执行-反馈”的闭环，任何一个环节出问题，整个系统都会瘫痪。为了让你更直观地理解这个关系，我们可以用一张流程图来展示：

```mermaid graph LR A[感知模块<br>传感器采集环境/自身状态数据] --> B[规划模块<br>基于数据做决策/路径计算] B --> C[控制模块<br>将决策转化为执行动作] C --> D[物理环境交互<br>机器人状态/环境发生变化] D -->|反馈数据| 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 ```

这张图里的四个环节形成了一圈循环：感知模块先“看”到环境，传给规划模块“想”出下一步该做什么，再传给控制模块“做”出对应的动作，动作执行后机器人的状态、周围的环境都会发生变化，这些变化又会作为新的数据传回感知模块，开始下一轮循环。你可以把这个闭环理解为机器人的“本能反应”：你手碰到烫的水杯会立刻缩回来，就是因为你手上的皮肤（感知）感受到烫，传给大脑（规划）判断“会受伤”，立刻给手臂肌肉（控制）发指令收缩，缩手之后你又会感知到“手已经不疼了”，反馈给大脑，整个过程不到0.1秒，完全是下意识的反应——机器人的运作逻辑和这个一模一样，只不过它的“皮肤”“大脑”“肌肉”都是电子和机械部件组成的。

这个闭环里最容易被初学者忽略的是反馈环节，也就是从“执行动作”回到“感知数据”这一步。我们可以用开环和闭环的对比来理解它的重要性：假设你让一个机器人从A点走到10米外的B点，如果你只给它发指令“前进10米”，不给任何反馈，就是开环控制——机器人只需要算一下轮子转多少圈能走10米，就按这个转速转，但如果地面有点滑、轮子打滑了，实际走的距离可能只有8米，它不知道，也不会调整，最后会停在离B点2米的地方。但如果是闭环控制，感知模块会实时感知机器人实际走了多远，和目标的10米对比，差2米的话就会给控制模块发指令“再多走2米”，最终就能精准到达B点。

> 📱 电子版互动提示：点击这里观看「开环vs闭环控制」的动图演示，直观感受两者的区别 > （此处电子版可插入动图链接：https://example.com/open-closed-loop-demo）

你可能在很多地方听过“开环控制”“闭环控制”这两个词，它们的核心区别就是有没有“反馈环节”。现在所有好用的机器人用的都是闭环控制，没有反馈的机器人，就像一个闭着眼走路的人，走不远，也走不准。我们后面讲运动控制的时候，会重点讲怎么设计反馈环节，怎么让机器人的动作精度达到要求。

---

二、机器人不是“人形”才高级：按形态和功能分的几大类

前面我们说过，机器人长得千奇百怪，按不同的标准可以分成很多类，我们讲几个最常见的分类方式，帮你快速建立对机器人形态的认知：

1. 按移动能力分：腿、轮子、履带、翅膀，各有各的用处

机器人能不能动、怎么动，是最直观的分类方式，不同的移动方式对应不同的适用场景：

• **轮式机器人**：最常见，比如扫地机器人、AGV物流车、酒店的送餐机器人，优点是结构简单、移动平稳、能耗低、控制容易，适合在平坦的地面（室内地面、铺装路面、仓库地面）工作，缺点是过不了台阶、走不了崎岖的土路，遇到超过1厘米的障碍物就会卡住。
• **履带式机器人**：比如军工的排爆机器人、救灾的搜救机器人，优点是接触面积大，压强小，不会陷进泥里，爬坡、过障碍物的能力比轮式强很多，能走土路、碎石路，甚至能爬30度左右的斜坡，缺点是移动速度慢，能耗高，在平坦的地面移动效率不如轮式。
• **足式机器人**：比如波士顿动力的Spot机器狗、特斯拉的Optimus人形机器人，优点是适应性最强，能走台阶、过沟壑、走崎岖的山路，甚至能跳、能爬，适合复杂地形，缺点是结构复杂、控制难度极大、能耗高、成本高，目前还很难大规模商用。
• **飞行式机器人**：也就是无人机，比如大疆的航拍无人机、植保无人机，优点是能上天，不受地面障碍物限制，视角好，适合航拍、巡检、植保、物流配送，缺点是续航时间短（一般最多30分钟），抗风能力差，下雨、大风天没法工作。

> 📖 纸书旁注：没有最好的移动方式，只有最合适的 > 你让机器狗去仓库分拣快递，肯定不如AGV效率高；你让AGV去山区救灾，肯定不如履带式机器人好用。选机器人的形态，核心是看它要工作的场景是什么样的。

2. 按应用场景分：工业、服务、特种，各干各的活

• **工业机器人**：是目前商业化最成熟、市场占比最高的品类，根据国际机器人联合会（IFR）2023年的数据，2022年全球工业机器人销量超过55万台，存量超过400万台，主要用在汽车生产、3C电子、物流分拣、金属加工等场景，核心特点是“效率高、精度高、能24小时干活”，比如汽车生产线的焊接机器人，焊一个焊点只需要0.3秒，比人工快5倍，合格率99.99%，不用休息，不用交社保，能大幅降低生产成本。
• **服务机器人**：是最近几年增长最快的品类，2022年全球服务机器人销量超过2000万台，市场规模超过300亿美元，包括家用扫地机器人、擦窗机器人、陪伴机器人、酒店送餐机器人、医院导诊机器人等，核心特点是“面向普通消费者，解决生活场景的需求”，比如扫地机器人能帮你省掉每周扫地的麻烦，陪伴机器人能陪老人聊天、提醒吃药，解决的是家庭服务的痛点。
• **特种机器人**：是面向特殊场景的机器人，比如太空里的月球车、火星车，深海里的潜水器机械臂，救灾的搜救机器人，排爆机器人，手术机器人等，核心特点是“替代人去危险、极端、人类没法到达的场景工作”，比如核电站的巡检机器人，能进去有辐射的区域检查设备，不用让工人冒辐射的风险；火星车能在零下一百多度的火星表面工作，人类根本没法在那里长期停留。

3. 按控制方式分：自主、半自主、人工，自主程度不一样

前面我们提到过机器人的自主性分级，这里再展开讲：

• **人工遥控机器人**：比如你玩的遥控无人机、遥控汽车，所有动作都要人来发指令，机器人本身不会自主决策，相当于人的“远程手脚”，自主性最低。
• **半自主机器人**：比如你开的带定速巡航、车道保持功能的车，能自动保持车速、自动保持在车道里，但是遇到复杂情况（比如前面突然有行人横穿马路）还是要人来接管，相当于人的“辅助工具”。
• **全自主机器人**：比如现在的扫地机器人、AGV物流车，从建图、规划路线、避障、回充全流程不需要人干预，能自己完成所有任务，自主性最高。

我们这本书重点讲的，就是全自主机器人的核心技术，因为只有全自主的机器人，才能真正替代人的劳动，解决更多场景的问题。

---

三、机器人学到底是什么？是一门交叉学科

很多初学者觉得机器人学是“高大上”的学科，只有顶尖高校的实验室才能做，其实不是。机器人学是典型的交叉学科，核心是解决“怎么让机器能像人一样感知环境、思考问题、执行动作”的问题，涉及的核心学科包括：

• **机械工程**：负责机器人的“身体”设计，比如怎么设计机械臂的结构才能更灵活、负载更大，怎么设计机器人的底盘才能更稳、更节能，怎么设计软体机器人的结构才能像章鱼一样柔软。
• **电子工程**：负责机器人的“神经和感官”设计，比如怎么设计激光雷达、摄像头、IMU这些传感器，怎么设计电路、电源，怎么把传感器的信号转换成数字信号传给计算机。
• **计算机科学**：负责机器人的“大脑”软件设计，比如怎么写算法处理传感器数据、怎么建图、怎么规划路径、怎么写控制程序，怎么让机器人能自主决策。
• **数学**：是所有算法的基础，比如线性代数用来处理传感器的坐标变换，概率论用来处理传感器的噪声和不确定性问题，微积分用来做运动建模和优化，没有数学基础，算法根本没法写。

你不需要精通所有这些学科才能入门机器人：入门阶段可以先从应用层入手，用现成的开源硬件、开源算法，先跑通demo，再慢慢深入学原理；等你要做深入的研究、优化