零、前言
出于科研项目需要，研一的我需要学习一下智能机器人系统相关的知识，我后续会分享这个学习过程中一些个人感觉重要的公式推导以及代码仿真等等，有内容上的错误请私信我。
一、如何评价机器人运动规划的性能
思考一下如何评价机器人运动曲线规划结果的优劣，或者说可以通过哪些指标评价运动规划的性能？
答：移动机器人运动行为是由自主导航系统决定的，自主导航系统主要包含感知、规划、控制与定位四个模块，感知模块是连接机器人与环境的桥梁，其作用是“阅读、提取”环境内容；规划模块是连接感知与控制的桥梁，其作用是“分析、理解”环境内容，根据用户目标及需求输出可执行控制命令，因此感知、规划模块是决定导航系统智能程度的关键。曲线的光滑程度，越光滑，曲线斜率越小越好。
二、有动态障碍物的情况下，如何实现移动机器人的安全避障
环境中有动态障碍物、甚至是高速运动障碍物、或者是障碍物能够主动拦截机器人的情况下，如何实现移动机器人的安全避障？
答：来源于机器人对环境感知，传感器技术是实现机器人感知的重要技术，例如超声波传感器、激光雷达、防跌落检测、物理碰撞、深度相机等。
实现避障与导航的必要条件是环境感知，在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息，包括障碍物的尺寸、形状和位置等信息，因此传感器技术在移动机器人避障中起着十分重要的作用。
三、关于B样条曲线运动规划的讨论
假设场地中已经有了一条由起点出发到达终点的赛道
。如何生成一条由起点出发到达终点的B样条曲线
，使
和
尽量接近。也就是B样条曲线的控制点
如何生成？
答：B-样条是贝塞尔曲线(Bézier curve)的一种一般化，B样条不能表示一些基本的曲线，比如圆，所以引入了NURBS，可以进一步推广为非均匀有理B-样条(NURBS)，增加控制点，对Pd(s)曲线进行扩充。
四、什么样的曲线才是适合机器人跟踪的曲线
答：曲率越小，越接近直线的，越可以进行均速运动的曲线是适合地面移动机器人跟踪的曲线。
五、关于目前常用的路径/轨迹规划方法
在地面移动机器人研究领域，还有哪些常用的，或者说重要的路径/轨迹规划方法/算法？这些方法各有哪些优缺点？
答：基于图搜索，基于采样和基于插值，但是实际上这些方法都有许多局限性，而且目前机器人（甚至自动驾驶）规划考虑的问题越来越接近实际，比如上述方法说是可以动态避障，实际上并不是真动态避障，更多是依赖于先验的环境信息做的决策，而非向DWA那样，实时根据环境改变。另一个点就是实际上除了考虑环境，更多要考虑其他机器人（车辆）的行为，基于行为的预测来做决策，这是更难的。
六、关于机器人的全局规划与局部规划
谈一谈对机器人全局路径/轨迹规划、局部路径/轨迹规划的理解，试分析二者的区别。
答：移动这一简单动作，对于人类来说相当容易，但对机器人而言就变得极为复杂，说到机器人移动就不得不提到路径规划，路径规划是移动机器人导航最基本的环节，指的是机器人在有障碍物的工作环境中，如何找到一条从起点到终点适当的运动路径，使机器人在运动过程中能安全、无碰撞地绕过所有障碍物。这不同于用动态规划等方法求得的最短路径，而是指移动机器人能对静态及动态环境作出综合性判断，进行智能决策。
总的来说，路径规划主要涉及这3大问题：①明确起点位置及终点;②规避障碍物；③尽可能的做到路径上的优化。
全局路径规划：是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解。
优点：它是一种事前规划，因此对机器人系统的实时计算能力要求不高，规划结果是全局的、较优的。
缺点：需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。对环境模型的错误及噪声鲁棒性差。
局部路径规划：则环境信息完全未知或有部分可知，侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置和几何性质等信息，这种规划需要搜集环境数据，并且对该环境模型的动态更新能够随时进行校正。
优点：局部规划方法将对环境的建模与搜索融为一体，对环境误差和噪声有较高的鲁棒性，能对规划结果进行实时反馈和校正，
缺点：要求机器人系统具有高速的信息处理能力和计算能力。由于缺乏全局环境信息，所以规划结果有可能不是最优的，甚至可能找不到正确路径或完整路径。
