机器人清洁规划规划的常用方法

几种通用性强、能适应不同设备清洁，且不依赖精确点云的轨迹方案，分别侧重于“完全无模型”、“人机协同”、“动态适应”和“最优覆盖”四个方面。

一、力觉导引的自适应边界扫描（盲人摸象式）

轨迹原理：在完全没有任何几何信息时，让机器人像“盲人摸象”一样，依靠力觉反馈自主探索边界并覆盖整个曲面。

轨迹获取：

1. 将工具贴住待清洁面，设定一个较小的法向压力。
2. 沿一个初始方向（如水平向右）移动，直到检测到力消失（到达边缘）。
3. 向上（或向下）偏移一个刷头宽度，反向移动，直到再次到达边缘。
4. 如此往复，直到整个区域被覆盖。

轨迹使用：

• 此轨迹是在线生成的，一边清洁一边生成下一步目标点，不需要预先规划。
• 在控制器中实现一个状态机：TOUCH → MOVE_HORIZ → EDGE_DETECT → STEP_VERT → MOVE_HORIZ_REV → ...
• 特别适合外壁的下半部分、排污管道外围等无法预先建模的曲面。

二、拖动示教轨迹复现

轨迹原理：让人先拖动机器人完成一次清洁，记录路径，之后机器人自主复现。这是“哪里需要擦，人教一次”的通用方案。

轨迹获取：

1. 开启机械臂的零力拖动模式（需动力学补偿，Pinocchio 可支持重力/摩擦补偿的零力控制）。
2. 操作员手持清洁模组，沿着表面擦拭一遍，系统以 50~100Hz 记录下时-位序列（关节角或末端位姿+时间戳）。
3. 对轨迹做平滑和等距重采样，保存为标准轨迹文件（如 CSV 或 JSON）。

轨迹使用：

• 清洁时，加载存储的轨迹，使用时间-位置回放（纯位置控制）或路径-力控混合（沿示教路径移动，同时用导纳维持法向力）。
• 路径-力控混合的优势：即使摆放位置有微小偏移，力控也可保证贴合。
• 这种方法对操作面板、外壁轮廓、以及特殊污渍区域特别有效，属于“万能通用”方案。

三、基于动态系统的吸引子轨迹

轨迹原理：将清洁动作抽象为一系列动态系统的吸引子，工具从当前位置被拉向覆盖曲面上的目标序列，生成平滑且自适应的轨迹。

轨迹获取：

1. 用一个解析函数定义覆盖模式。例如，对于内壁，定义一个极限环吸引子：工具在柱坐标下绕中心轴旋转的同时缓慢下降，类似于螺旋，但使用动态系统（如 θ˙=ω， z˙=v_z， r˙=−α(r−r0)）生成平滑轨迹，并可以实时由力反馈调整。
2. 对于座圈，可以用一系列点吸引子依次激活（动态运动原语 DMPs 或样条吸引子）。

如何使用：

• 在控制循环中，每个周期求解动态系统方程得到下一步的目标位姿，发给逆运动学。
• 天然平滑，且可叠加力控的扰动修正（如：动态系统生成前馈位置，导纳控制器输出修正量，二者相加）。
• 这种轨迹是参数化通用模板，变更只需调整中心轴、半径、速度等参数即可。

四、基于区域分解的覆盖路径（离线自动规划）

轨迹原理：将基座相机获取的稀疏深度图或轮廓进行梯形/多边形分解，对每个子区域自动生成弓字形路径。这是移动机器人覆盖清扫的标准算法，可直接移植到机械臂。

轨迹获取：

1. 由基座相机提取目标面的二维轮廓（不要求稠密点云，边缘即可）。
2. 将轮廓多边形梯形分解或牛耕式分解。
3. 对每个梯形单元，沿其长轴方向规划弓字形路径。
4. 将二维路径通过一个投影平面（如座圈平面或外壁圆柱面展开）映射为三维末端位姿。

如何使用：

• 离线计算一次，存储路径点文件。
• 执行时，机械臂按顺序走完各单元路径，力控保证贴合。
• 对智能面板、较规则的外壁尤为有效，因为只需知道大致轮廓，不要求点云完美。

五、视觉伺服轨迹（实时特征跟踪）

轨迹原理：当某些区域有较稳定的视觉特征（如座圈缝隙、冲水按钮周围线条），可以抛弃固定轨迹，让末端相机直接跟踪特征线条移动，生成清洁路径。

轨迹获取与使用：

1. 用末端相机识别目标线条（如座圈与内壁的接缝）。
2. 控制机械臂使工具中心保持在线条上，沿线条方向移动（比如，使图像中的线条始终位于视野中心并沿某方向流动）。
3. 这实质上是实时在线生成的轨迹，由视觉控制器输出的速度指令驱动。
4. 力控保证接触压力的同时，视觉伺服保证路径精确跟随边缘。

适用场景：清洁接缝、面板按键边缘等几何复杂但视觉特征明显的区域。

六、基于概率路线图 (PRM) 的覆盖规划

轨迹原理：对于复杂三维曲面，预先在曲面上采样大量可行接触点，建立无碰撞的连通图，然后求解一条覆盖所有点的最短路径（旅行商问题变种）。

轨迹获取：

1. 用粗几何模型（例如从 CAD 或基座相机粗略拟合的圆柱/平面）上随机采样点，并确保点都在表面且机械臂可达。
2. 用运动规划器（如 OMPL）构建连接图，检查每个连接是否无碰撞、关节可达。
3. 求解一条经过所有采样点的优化路径。

如何使用：

• 离线计算路径，在线回放，力控调整。
• 这种方法理论上能得到最优覆盖路径，但计算量大，对模型依赖稍高。可以作为高阶功能，在算力允许且类型相对固定时使用。

七、总结

系统集成

在控制器中建立一个轨迹管理模块，对每个区域指定一种或多种轨迹获取策略，并按优先级调用：

1. 有清晰几何参数（内壁、座圈）→ 首选参数化螺旋/弓字形，快速生成。
2. 有粗略轮廓（外壁、面板）→ 用区域分解弓字形或示教。
3. 完全没有信息 → 降级到力觉自适应边界扫描或拖动示教。
4. 精细边缘/接缝 → 视觉伺服轨迹。

一套分层、通用、且对感知依赖最小化的轨迹规划体系，可以应对几乎所有常见的清洁场景。