Potential Field

• 又称: artificial potential field, APF
• 类别: Planning & manipulation › Motion planning
• 标签: motion-planning, obstacle-avoidance, reactive-control, navigation, gradient-descent

一种规划与控制方法：目标产生吸引，障碍物产生排斥，机器人沿合成势的梯度运动；简单且具反应性，但容易陷入局部极小值。

定义

在人工势场（artificial potential field）法中，机器人被视为在一个标量场 U(q) 中运动的质点，该标量场定义在它的工作空间或构型空间上。吸引势（通常是到目标距离的二次函数）把它拉向目标。排斥势在机器人接近障碍物时急剧增大，在影响距离之外为零，把它推离障碍物。机器人被指令沿负梯度 −∇U 运动，负梯度起着虚拟力的作用。Khatib（1986）提出了这种方法，用于操作臂和移动机器人的实时避障，他把虚拟力施加在机械臂上的若干点，并通过雅可比矩阵的转置把它们映射为关节力矩。

它的吸引力在于计算是局部的且开销很小。每一步只需要当前到附近障碍物的距离，因此该方法能对移动的障碍物立即作出反应，并以控制频率运行。主要局限在于，沿梯度运动会停在 U 的任何局部极小值处，即吸引力与排斥力相互抵消的地方：机器人可能被困在 U 形障碍物内部，或停在两个相距很近的障碍物之间的缝隙前。势场在狭窄通道中还可能发生振荡；当障碍物紧挨着目标时，排斥作用可能让机器人无法到达目标。

存在若干补救方法。由 Rimon 和 Koditschek 提出的导航函数，是为某些类别的环境构造的、在目标处只有一个极小值的势函数；调和势函数则通过其构造避免了伪极小值。更常见的做法是把势场与提供中间路径点的全局规划器结合，与用于逃离极小值的随机运动结合，或者把它作为基于优化的控制器中的一项。沿着由目标和障碍物构建的代价的梯度下降，这一思想以其他名称出现在当前的工作中，例如轨迹优化器中的有符号距离场代价，以及用于反应式操作的动态组合代价地形。

为何重要

势场是获得反应式避障的最简单方法之一，而它的局部极小值问题，是说明为什么要把反应式控制与全局规划结合起来的标准例子。沿目标和障碍物代价的梯度运动，仍是许多反应式控制器和轨迹优化器的核心。

主要应用

• 移动机器人的反应式避障
• 操作臂在人员或移动物体附近的实时防碰撞
• 带有机器人间排斥的多机器人和集群协同
• 无人机在杂乱空间中的导航
• 位于全局路径规划器之下的局部控制层
• 轨迹优化和反应式操作中的代价项

实际应用

一台小型差速驱动机器人用 2D 激光雷达在实验室中移动。每次扫描时，控制器计算一个指向下一个路径点的吸引力，以及一个来自设定影响距离内每个激光雷达回波的排斥力，把它们相加，并把结果转换为线速度和角速度指令。机器人无需重新规划就能绕开走过的人。当它被困在由两张桌子形成的角落里时，团队根据目标仍很远而速度接近于零来检测这种停滞，并让全局规划器在障碍物周围插入一个中间路径点。他们还限制了排斥力的上限，并对指令速度做平滑处理，以防机器人在门口振荡。

常见误解

• 沿势场运动总能到达目标 — 沿梯度运动可能停在吸引力与排斥力相互抵消的局部极小值处
• 势场是一种完备的规划方法 — 它是局部的、反应式的，在必须保证得到路径时，通常与全局规划器配合使用
• 排斥越强，机器人总是越安全 — 过强或范围过宽的排斥可能堵住狭窄通道并引起振荡

谁需要了解

• 移动机器人和导航工程师
• 从事防碰撞的操作臂控制工程师
• 多机器人和无人机开发者
• 学习经典运动规划的学生

相关技术

• 导航函数（Navigation Functions）
• Vector Field Histogram
• Dynamic Window Approach
• 有符号距离场（Signed Distance Fields）
• 操作空间公式（Operational Space Formulation）

相关术语

• Obstacle Avoidance
• Motion Planning
• Configuration Space
• Signed Distance Field
• Operational Space Control
• Control Barrier Function

相关项目

• Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
• DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
• ROS Motion Planning: One repo implementing 40+ classic and learning-based robot path planners as ROS plugins
• OMPL: Sampling-based motion planning library powering MoveIt and countless robotics applications
• MRPT: Comprehensive C++ toolkit for mobile robotics, SLAM, and sensor-based navigation
• MoveIt 2: Motion planning framework for ROS 2 robot arms, with kinematics and collision checking