控制、模式识别与机器人系统集成:从PID到FOC的工程实践
做自动化或者机器人方向的人,应该都体会过那种“哪个都能说两句,一个都做不精”的焦虑。控制、模式识别、机器人,这三块任何一块拿出来都能吃很多年技术饭,但真正值钱的项目往往要求你把它们塞进同一个系统里:一个移动机器人要知道自己在哪(定位)、认出前方是什么(识别)、躲开障碍走出一条路(导航)、最后还得平稳地把机械臂伸出去抓东西(运动控制)。我过去几年做的项目基本都在这三角里打转,踩过不少坑,也攒了一些可复用的方法。
这篇文章不按课本目录讲,就以一个实际项目的视角,把控制、模式识别和机器人这三个词背后真正会用到的东西梳理一遍,从算法选型到工程排坑全都有。适合正在入门机器人开发、准备做毕业设计或者横向课题、想在工控方向深入一步的读者。内容里会穿插大量我在调试电机、训练模型、跑ROS2导航时遇到的具体情况,尽量做到“看完能直接用”,而不是看完只会背名词。
1. 先摆正关系:控制、模式识别和机器人不是三门孤立的课
1.1 三个关键词如何在一个系统里各司其职
很多初学者容易把这三者理解成三条平行线:控制是写PID,模式识别是跑AI模型,机器人是拼硬件。但实际上,在真实项目里它们更像一个闭环的循环:机器人本体是身体,控制器是肌肉,模式识别是眼睛和一部分大脑,而调度逻辑决定先看哪里、再动哪里。
打个比方,人伸手接球这个动作:眼睛识别球的轨迹(模式识别),小脑和肌肉持续调整手臂姿态和发力(控制),手臂本身的结构决定能伸多远、有多灵活(机器人本体)。任何一环掉链子,球都会掉。工程上也是一样,感知层给出“前方有一个障碍物”、决策层规划“绕到左边”、底盘控制层把这条轨迹跟踪成实际运动,这中间任何一个环节的延迟和误差都会串联放大。
所以做项目前一定要先把这几层的关系画清楚。我在实际中见过太多人把模式识别模型做得又大又准,一部署到机器人上就发现推理时间太长,控制环根本等不起;也见过有人把FOC电机调得丝滑流畅,结果上层导航算法一算路径,底盘根本不知道该往哪走。与其说这三个领域是并列技术,不如说它们是同一台机器上互相耦合的三层模块。
1.2 用一台移动机器人的架构拆解来看链路
我拿一台最常见的差速轮式巡检机器人举例,把这套链路走一遍。这个项目里我用的传感器是RGB相机加单线激光雷达,底盘是两个带编码器的直流无刷电机(PMSM),上层跑的是ROS2和一个轻量目标检测模型。
整体数据流向是这样的:相机图像进入目标检测模型,识别出门、人和设备状态,这些语义信息会叠加到激光雷达构建的栅格地图上;同时,IMU和轮式编码器的数据跑一个扩展卡尔曼滤波,融合出机器人的实时位姿;导航模块拿到位姿和地图后规划出一条全局路径;路径再被离散成一串速度指令,下发到底盘驱动板;驱动板内部的FOC控制器把这些速度指令变成电机绕组上的三相电流,完成实际运动。整个过程每秒重复几十次。
这里面每一层对应的热搜关键词都能对上:激光雷达定位对应“机器人定位”,路径规划对应“机器人导航”,PMSM驱动对应“pmsm无感foc控制”,关节执行对应“stm32控制伺服电机485”,目标检测对应“模式识别”,机器人结构对应“四元素机器人”“四足机器人”“管道机器人”这些不同形态。把这套链路理解透了,后面所有技术点就都有地方安放,不会再乱。
2. 控制层:先让系统听话,再谈智能
2.1 PID依然是大多数场景的第一选择
控制领域最大的误解之一,就是觉得PID太“老”了,出去面试不上档次。实际上我做过这么多项目,90%以上的执行层闭环最终落地的都是PID,或者PID加上一点前馈和限幅。原因是它的性价比高到没有对手:实现简单、参数直观、鲁棒性足够,而且工程里调试时间最短。
理解PID不用背公式,就把它当成一个“看差了多少、看差了很久没、看差得趋势多快”的决策器。P是对当前误差的即时反应,误差大就使劲推;I负责把长期存在的微小偏差清掉,比如重负载下电机转速总会差那么一点,就得靠积分补;D负责“预感”,误差变化太猛烈就踩一脚刹车,抑制超调。调参口诀也很朴素:先只给P,让系统在稳定与震荡的边界附近找到感觉;再加I,消除稳态误差;最后加D,缓解超调。如果系统本身就抖,先查机械间隙和滤波,别急着调D,否则会让噪声更刺激作。
我在温度控制和底盘速度环里都反复用过临界比例法:让系统只带P运行,不断增大比例直到输出开始等幅振荡,记下此时的增益Kp和振荡周期Tu,然后用齐格勒-尼科尔斯经验表去推算完整参数。这套方法看起来古老,但第一次调参的时候比瞎猜快一个量级。还要记得给积分加限幅和死区,不然启动瞬间的积分饱和能把执行器推到底,机器人会猛冲一下。
2.2 FOC无感控制:为什么它是电机控制的工业级答案
如果项目里用的电机是PMSM或者无刷电机(BLDC),且对噪音、效率、动态响应有要求,那基本躲不开磁场定向控制(FOC)。FOC的核心思路是把三相交流电机在三相坐标系下的强耦合方程,通过坐标变换转成两相旋转坐标系下的直流量,然后像控制直流电机一样分别控制磁链分量(d轴)和转矩分量(q轴)。这么一拆,力矩响应就变得又快又线性,机器人底盘起步、急停、爬坡的时候特别明显,开环方波控制的顿挫感会完全消失。
“无感”两个字听起来很玄,其实是为了干掉位置传感器。表贴或者内置式PMSM在运转时,三相绕组里会感应出反电动势,里面藏着转子位置信息。用滑模观测器或者龙伯格观测器这种数学模型把反电动势估算出来,再用锁相环锁定转子角度,就能在不需要编码器的情况下闭环。这个方案省掉了霍尔传感器和编码器,省成本、省线束、提高防水等级,很多仓储机器人和风机水泵的电机都用这套。
我用STM32做无感FOC时最关键的几点:PWM频率一般设在10kHz到20kHz,太低会听到明显的电流噪音,太高开关损耗大;三相电流采样必须和PWM中心对齐,在PWM周期中点触发ADC,否则采样到的是开关噪声;Clark和Park变换的计算用CORDIC或者直接三角函数都能,关键是做好角度补偿,把采样延迟造成的相位滞后补回来。这里最隐身的一个坑是反电动势估算在低速段几乎失效,因为转速太低感应的电压太小,所以无感FOC启动一般先做开环强拉,拉到一定转速再切换到闭环观察器,切换瞬间如果角度跳变太大就会失步,得做平滑过渡。
顺带一提,工业里经常会看到“stm32控制伺服电机485”这种需求。伺服驱动器通过RS-485以MODBUS-RTU协议管理,本质就是在上层的速度环和位置环外面再加一层串口通信环。报文无非是读状态字、写目标速度、写目标位置、读取当前电流这几类,注意把波特率、站号、校验方式先对清楚,否则仪表盘上全是一排错误码。
2.3 电源、驱动与通信链路里的控制细节
控制不只在电机的电流环里,还藏在电源和驱动电路里。比如“电源模块下垂控制均流精度”这个问题,就是多台电源模块并联供电时,为了让各模块分担相同电流,人为在下垂特性曲线里叠加一个电流负反馈。随着负载变重,输出电压按比例的微降,电流更大的模块压降更多,自然就把负载分担出去一部分。实际调均流精度,要看下垂系数的匹配程度和采样回路的漂移,通常把下垂电阻或者软件下垂系数标定一遍,均流不平衡度能控制在5%以内。
再比如“mos管控制级”,它说的是MOSFET栅极驱动电路的设计。MOS管栅极是个电容性负载,直接接单片机引脚根本推不动,开关速度慢、发热大、还有米勒效应造成的共导通风险。标准做法是用栅极驱动芯片或者分立图腾柱电路,给定一个10V到15V的栅极电压,并且在下管关断和上管开通之间插入死区时间。死区太短会上下管直通烧毁,死区太长会让输出波形失真。我用逻辑分析仪测量过一对互补PWM,发现引脚输出和实际桥臂输出的死区并不一致,因为栅极电阻和寄生电容会让开通变慢、关断也变慢,所以不要只看逻辑波形,要看功率MOS管D极波形。
至于“蓝牙app控制esp32”这种项目,本质是BLE的GATT通信加UART透传。esp32端开一个自定义服务,里面放两个特征值,一个接收手机下发的指令,一个上抛传感器数据。手机端用BLE扫描到设备后连接,发送一串JSON或者二进制协议就行。这里最重要的经验是分包处理:BLE一个包最多约20字节,超过的要自己设计分包、粘包和校验逻辑,我见过不少人在这一步吃了亏,命令一长就丢帧。
2.4 控制器架构怎么分工:MCU、FPGA与上位机
控制器选型也是很多人纠结的地方。我的分工原则很简单:需要硬实时的放底层MCU,需要并行吞吐的放FPGA,需要复杂决策的放上位机或者嵌入式Linux。
MCU(STM32、ESP32这类)适合跑电流环、速度环、通信协议栈,因为中断响应是微秒级的,PID控制在几百微秒内就能完成一轮。FPGA适合处理大量并行信号,比如“fpga可以控制相控阵的相位吗”这个问题,答案是完全可以,而且这是FPGA的典型应用场景。相控阵的每个阵元都需要一个独立可调的移相器,几十上百路信号的移相值要同时更新,串行处理器很难做到低延迟同步输出,FPGA的逻辑门阵列天然是并行的,DDS加移相器IP核就能实现。代价是开发周期长,除非真有大量并行通道需求,否则别一上来就上FPGA。上位机负责跑模型推理、路径规划、人机交互,RT-Linux或者加上DDS实时中间件,能把调度延迟压到可控水平。
这三层之间一定要定义好接口,比如底层MCU往上只上报速度、电流和状态字,上层下发的只有目标速度,不允许把零散的工程参数满天飞传,否则链路一长,光排查通信问题就要占掉一半时间。
3. 感知层:模式识别怎么落在真实机器人上
3.1 经典模式识别的四步套路没有过时
聊到模式识别,我想到“国科大模式识别与机器学习”这门课的内容设置:贝叶斯决策、线性判别分析、支持向量机、聚类、特征工程。这套经典框架看起来不如深度学习华丽,但它的思想到今天依然有用,尤其在数据量小、算力受限、需要可解释性的工业场景里,经典路线从数据采集到模型部署的链路最短,我现在做很多垂直项目时,还是先用SVM、随机森林去验证“这个特征到底有没有区分度”。
经典模式识别的流程就四步:数据采集、预处理、特征提取与选择、分类器设计。以振动信号故障诊断为例:先在机器上贴加速度传感器采振动波形,预处理做去趋势和带通滤波,然后提取时域特征(峰峰值、均方根、峭度)和频域特征(FFT谱线能量),再用主成分分析或者基于模型的特征选择方法把最有效的十几个特征留下来,最后扔进SVM或者随机森林训练。整个过程计算量很小,一块几十块钱的MCU都能跑,而且每一层都能检查,出了问题知道在哪改。这套方法论远比直接甩一个九层卷积网络更可靠,尤其是在样本数量只有几百条的情况下。
3.2 深度学习改了什么,又没改什么
深度学习当然改变了模式识别的玩法,尤其是图像和语音这类高维原始数据,手工特征很容易漏信息,卷积网络则直接把原始像素端到端地映射成类别。在机器人项目里,我用得最多的是目标检测和语义分割,比如巡检机器人要靠YOLO系列识别设备仪表、靠分割网络区分可通行区域。
但深度学习真正落到机器人上时,工程链路并没有变短,反而拉长了:数据采集、标注、训练、量化、部署、失效回退,每一步都是工作量。很多人只盯着模型的mAP或者准确率,却忽略了机器人系统更重要的是延迟和稳定性。模型大了推理慢,指望单帧处理能跟上底盘速度是不现实的。所以我在项目里有一个硬规矩:先定帧率和延迟预算(比如30毫秒内给出结果),再回头选模型和部署方案,不允许模型性能凌驾于系统实时性之上。
这里不得不提“资源受限机器人”这个方向,移动机器人的算力板往往只有单块功耗几十瓦的嵌入式GPU,跑大规模模型非常吃力。常用的压缩手段是训练后量化(FP32转INT8),可以在精度损失极小的情况下把速度和内存占用降一大截;此外还有结构化剪枝、知识蒸馏,以及用TensorRT或者NCNN这类推理引擎做图优化。我做过一次对比,同一个YOLOv5s模型,直接跑PyTorch在Jetson Orin上大概20多毫秒,转TensorRT FP16后压到7毫秒左右,完全够实时。这个收益比换更大的算力板划算多了。
3.3 机器人感知与定位的典型实现路径
把感知装到机器人上,第一步永远是标定。相机内参和畸变系数没标好,后续所有的测距、定位、抓取位姿估计都是空中楼阁。用OpenCV做棋盘格标定,几行代码就能跑,关键是要拍不同角度和距离的20张以上图像,覆盖画面中心和边缘,重投影误差压到0.1像素以内才算合格。激光雷达和相机的外参标定则通常用Nvida的Camera-LiDAR联合标定方法,难点在于两类传感器数据密度差太多,最好用标定板加边缘对齐来约束。
定位方面,室内机器人最成熟的技术组合是“激光SLAM建图+AMCL粒子滤波定位”。Cartographer或者GMapping先把环境扫描成栅格地图,然后运行时AMCL把粒子散布在地图上,不断用激光观测去加权和重采样,最终粒子群收敛到机器人的真实位置。这个方案对计算量要求不高,稳定性却很好。如果加了视觉,就得多模态融合,典型做法是“视觉重定位给初始参考+激光定位持续跟踪”,我用扩展卡尔曼滤波去融合IMU和里程计的时候,最大的体会是噪声协方差矩阵别拍脑袋,要通过静态采集的数据方差去拟合。
模式识别在机器人上最常见的落地就是抓取和避障。抓取时先从点云里分割出目标物体,估算中心点、法向量和最小包围盒,再映射到机械臂坐标系下发逆解目标位姿;避障时则可以把语义信息叠加到代价地图上,比如把“人”识别出来后在周围加一个膨胀区域,这样规划器就会自动走远一点,而不是贴着人擦过去。这一套下来,“模式识别”就不再是纸上模型,而是真真切切融进了机器人的行为。
4. 执行层:机器人本体与系统的工程化
4.1 姿态、运动学与结构设计
聊机器人永远绕不开姿态表示,而“四元素机器人”这个热搜词说明很多人都在跟四元数搏斗。四元数本质上是一个复数的扩展,用四个数(一个实部加三个虚部)表示三维空间旋转,好处是避免了欧拉角的万向锁,插值平滑,计算效率高。IMU输出的姿态一般就是四元数,很多初学者看到[q0, q1, q2, q3]就直接懵了,其实把它当成一个“旋转算子”就好:用它去旋转一个向量,等价于一个旋转矩阵,只是不卡死在某一个轴上。
我做底盘和机械臂联合调试时吃过万向锁的苦头:机械臂末端在某个姿态附近,欧拉角的roll和yaw突然跳变了几十度,吓得以为关节飞了。后来所有姿态运算全部换成了四元数,再用slerp球面插值做轨迹平滑,这个问题就消失了。所以一句话总结:上位机和底盘的姿态通信,尽量统一用四元数;需要给人看的界面再转成欧拉角展示。
机器人的形态设计是个经常被低估的环节。搭建有分支,足式机器人要考虑步态和落足点,轮式简单但过障能力差,轮足混合、履带和管道机器人又是完全不同的运动学模型。如果只是入门练手,我特别推荐“otto机器人3d模型”这类小型开源项目,3D打印外壳加Arduino控制舵机,半天就能搭出平台,把舵机控制、电池管理、上位机通信全部练一遍。四足机器人则可以先在Mujoco里做仿真,这个物理引擎的接触模型做得很好,Sim-to-Real迁移成功率比旧工具高不少,缺点是得花时间调关节PD参数和步态控制器。
4.2 ROS2开发实操:从节点通信到导航部署
现在做机器人开发基本绕不开ROS2。它和ROS1最大的区别是把通信层从自定义的TCPROS换成了DDS,服务质量策略(QoS)、节点生命周期、多机通信都成了原生能力。入门路径很简单:先把工作空间建好,colcon build编译,写一个publisher和一个subscriber,跑通后再学tf2坐标变换、action服务、launch文件管理。
导航是ROS2里最典型的工程实践。Nav2栈的标准流程是:先用cartographer或slam_toolbox建图得到栅格地图,再启动map_server加载地图,AMCL节点负责定位,规划器算出全局路径,DWA或TEB局部规划器负责安全跟线。整套东西跑通不难,难的是把参数调顺。最大代价地图上的膨胀半径直接影响机器人穿过走廊的宽度选择;传感器代价图里激光雷达到点云的距离要设合理,否则机器人在门框那里会犹犹豫豫。
还有个我必须强调的坑:nav2的全局规划器默认用Dijkstra,在复杂大场景里路径没问题但不够效率。换成A*能快不少。另外,定位初始值一旦给错了,AMCL很容易锁定到一个错误位姿,导致机器人自认为在地图另一侧,代价地图上全是一圈障碍。所以在机器人上电启动时,一定要有个可靠的上电定位流程,比如先停在已知标签的位置,用视觉或者固定在启动区的反射板校准,再切换导航。
4.3 执行器与工业机器人的选型调试
执行器选型是门学问。舵机力矩小、控制简单,适合小关节和模型机器人,但位置精度差,大把位的舵机还会过热烧毁;步进电机低速大扭矩、结构便宜,适合开环位置控制,但高速精度和噪音都一般;伺服从启动性能到高速性能都很强,适合机器人关节和精密定位。预算和性能的平衡点要跟项目需求对齐,比如足球机器人的踢球机构要瞬间爆发力,用大扭力舵机加弹簧储能就好;底盘的主驱动就得是伺服或者FOC无刷,因为需要长时间连续工作和高效率。
工业机器人则是另一套玩法。“埃夫特机器人”“aubo机器人 外部轴”这些词指向的都是标准工业机械臂的调试。外部轴(第七轴)能给机械臂增加直线或者旋转自由度,但要配置好外部轴与机器人本体之间的运动学同步,标定好坐标系偏移量,否则协同运动时会出现轨迹偏差。调试时先在仿真里验证轨迹合理性,再小速度试运行,速度逐步从10%加到100%,随时观察TCP跟踪误差。
焊接机器人领域,我看到“sks焊接机器人电流电压参数设置流程”这个需求时,想起自己第一次调焊机的经历。焊接机器人的参数不是随便设的,电流、电压、送丝速度、气体流量相互耦合。经验做法是:根据板厚和坡口查焊接工艺规程得到推荐参数区间,然后先设定电压和送丝速度匹配,再微调电流。关键是要做工艺评定,焊完的试板要切片看熔深和焊缝成型,不能只凭感觉。示教编程时也别忘了焊枪姿态与焊缝的夹角,角度偏差会直接影响成型,这是工业项目里最容易返工的地方。
4.4 把整个系统串起来:仿真、实机和数据回流
系统集成阶段最容易翻车,所以我习惯采用“搭积木”的方式:先保证最小闭环跑通,再逐步加功能。第一步,在Mujoco或者Gazebo里把机器人的运动学、控制器和传感器仿真跑通,验证算法逻辑没问题;第二步,把仿真里的控制参数搬到实机上试,因为真实摩擦、间隙、噪声都会吃掉一部分余量;第三步,用bag包录制实机数据,回放到仿真里测试新的感知模型,形成“数据回流”的闭环。
这里要提一个大家常说但很少做好的点:仿真与实机的差距管理。仿真里我把底盘的PID增益设得很高,跟踪误差漂亮得不行,一上实机就抖。原因是仿真没有考虑数字量量化噪声和电流环延迟。后来我在控制回路里故意加了一个模拟的采样延迟和噪声源,再调控制器,迁移到实机的成功率就高了很多。做机器人开发必须接受一个事实:仿真只是一面滤镜,它帮你验证逻辑,但不能替你替代标定、刚度和摩擦补偿。
“用python将excel使用钉钉机器人推送到群聊天消息”这类轻量集成其实也可以看作是系统串起来的小例子:用Python读取Excel表格,整理成Markdown文本,通过钉钉群机器人提供的Webhook地址POST出去,就能定时把报表、报警信息推到工作群里。整个链路不用开发App,对中小团队做设备状态监控和日报自动化很实用。它的价值不在技术难度,而在于把“数据产生—数据解析—消息触达”这条链路用最简单的HTTP请求串起来,和机器人系统里“传感器—算法—指令”的串法本质是同一种思维。
5. 常见问题与排查技巧实录
5.1 电机控制里最容易翻车的几个点
电机控制出问题时,现象往往很明显:抖动、啸叫、失步、过流。我整理过一张问题速查表,基本能覆盖初学者到中级工程师踩过的大部分坑。
| 现象 | 可能原因 | 排查思路 | 解决参考 |
|---|---|---|---|
| FOC电流采样噪声大 | ADC采样时刻没对准PWM | 用示波器查看采样触发是否在PWM中心点,检查采样保持时间 | 把触发点移到PWM计数中间,增大采样窗口 |
| 电机低速抖动 | 无感观测器低速失效 | 查看估算角度是否跟实际编码器角度有明显相位差 | 低速加开环强拉段,切换时做角度平滑 |
| 电机发烫但力矩不足 | d轴电流不为零,磁场没完全对齐 | 检查Park变换角度符号和Id给定值 | 校准转子初始位置,把Id目标改为零 |
| 伺服485动不动失联 | 波特率、站号、终端电阻问题 | 逐个排查总线参数和线缆屏蔽 | 统一设置1200-9600一致,加终端电阻 |
| 舵机乱抖 | 电源功率不足或PWM频率不符 | 用稳压电源测舵机峰值电流,核对舵机型号对应的信号频率 | 换大功率电源、降低同时运动舵机数量 |
无感FOC切换失步这个问题我单独强调一下:从开环强拉到闭环切换时,如果两者估算角度差超过一定阈值,电机会像被踹一脚一样猛跳。解决办法是在切换前先修正初始角偏置,并逐步从开环电流过渡到闭环电流,不要一步到位。
5.2 模式识别训练与部署的坑
模型训练的问题大部分来自数据,而不来自网络结构。我在机器人项目里吃过最大的亏是过拟合:训练集准确率99%,一部署到室外就崩。原因很简单,训练数据都是在实验室固定光照、固定角度下拍的,场景太单一。后来补了不同光照、不同远近、不同遮挡的样本,并且做了随机裁剪、亮度扰动、马赛克增强,测试表现才慢慢靠谱。
类别不均衡也是常客。巡检场景里“设备正常”类的样本是“设备异常”的几十倍,模型会学会无脑输出正常类。解决办法不复杂:用加权采样让每个类别在每轮训练里看到的数量差不多,或者用焦点损失函数,把模型对难样本的注意力拉上来。
部署时还有个容易被忽略的点:训练框架里的预处理和后处理和推理引擎里的处理要保持一致。我见过一个项目,网上跑模型精度很高,转了TensorRT之后掉点严重,最后查了半天原来是推理引擎默认的输入归一化方式和训练时不同,差了一个很小的系数,整个特征分布全偏了。
5.3 ROS2与导航的经典故障速查
ROS2的问题大多数集中在通信和坐标变换上。DDS发现机制依赖组播,多机通信时经常出现话题互相看不见的情况,这个一般是防火墙和网络配置问题,保证多台设备在同一网段、关闭不必要的虚拟网卡、或者直接配置DDS域ID一致后,问题通常就消失。
TF树也是重灾区。经常出现“could not transform from map to base_link”这类报错,原因几乎都是TF树断掉或者发布频率太低。好在我开发时会同时跑一个tf2的监听可视化工具,处理节奏一乱立刻能看到哪一条变换断了。还有定位丢失的情况,如果AMCL粒子发散,大部分原因是起始位姿误差太大或者激光数据的一致性太差,这时候先手动检查建图时有没有出现回环失败导致的“鬼影地图”。
| 常见报错/现象 | 原因方向 | 处理经验 |
|---|---|---|
| 话题互相不可见 | DDS发现、网络限制 | 统一网段、检查防火墙、配置DDS域ID |
| 机器人走得歪 | 轮子标定没做 | 用激光测距做轮径和轮距标定 |
| 代价地图一直显示障碍 | 局部地图参数和传感器帧不匹配 | 检查sensor_frame,确认激光数据时间戳无跳变 |
| 导航时急转甩尾 | 局部规划器参数太激进 | 降低最大角速度,增大最小转弯半径 |
5.4 团队协作和项目管理的一些习惯
最后讲点软性的东西。机器人项目持续时间长、模块多,没有规范的工程习惯特别容易半途崩溃。我自己有几个雷打不动的习惯:第一,每个算法节点必须能独立运行独立测试,而不是全部堆在一个main函数里;第二,所有参数必须有名有姓有默认值,用yaml或者launch文件统一管理,禁止在代码里写魔术数字;第三,数据集的版本和模型的结果绑定记录,改过一张标注图都要有记录,否则复现结果时会疯掉;第四,每天调完都要把launch文件和配置变更用git提交一次,带注释写清楚改了什么、为什么改,这在联合开发时尤其救命。
从“控制、模式识别与机器人”这三块各自为战,到一个能跑、能看、能动、能自己绕障的完整系统,中间确实有一大段路。我个人体会最深的一点是:不要试图把一个维度做到完美再开始下一个,而是先做出一个能从头跑到尾的最小系统,哪怕它又笨又慢,然后再一层一层去迭代。完整闭环带来的反馈信息,比你在仿真里空想三个月更有价值。最后分享一个小技巧:设计阶段就把所有节点的可视化工具准备好,数据流在哪一层断了、谁在丢数据、谁在超时,一眼就能看到。好的系统从来不靠运气,靠的是每一层都清晰可见。