“为什么自动驾驶汽车在弯道上不会飘？为什么无人机能穿越窄巷而不撞墙？”

答案藏在一个技术细节里——运动规划。

在自主导航与机器人运动规划领域，阿克曼无人车、固定翼无人机等非完整约束机器人的精准规划是制约无人系统规模化落地的核心技术之一，但行业长期面临开环规划鲁棒性差、曲率约束难以闭环保障、规划与控制脱节等问题，如何在严格满足曲率约束的前提下，实现鲁棒、高效、可工程落地的反馈式运动规划，已成为无人系统领域长期待解的重要挑战。 

近期，北京大学李忠奎教授团队一项研究成果发表于机器人领域顶级期刊IEEE Transactions on Robotics，提出了一套曲率约束向量场(CVF)与饱和控制律协同设计的全新框架。通过分区融合基础流场构造带稳定极限环的曲率有界向量场，结合动态增益饱和控制律，首次从理论上证明了系统的几乎全局收敛性，且全程保证参考轨迹与实际跟踪轨迹均满足曲率约束。

算法框架图

题目：《Curvature-Constrained Vector Field for Motion Planning of Nonholonomic Robots》

作者：Yike Qiao,Xiaodong He,An Zhuo,Zhiyong Sun,Weimin Bao,Zhongkui Li

单位：北京大学先进制造与机器人学院、北京科技大学自动化学院

论文链接：

https://ieeexplore.ieee.org/document/11300826

曲率约束向量场

给整个空间装上"隐形导航"

研究团队创新性地提出了一个完全不同的思路——曲率约束向量场(CVF)：以奇点为中心将平面划分为四个环形区域，分别嵌入源流、涡旋流、汇流三种基础流场，并通过三阶平滑过渡函数实现区域间的C¹连续衔接，最终形成带有稳定极限环的曲率约束向量场，为非完整机器人指定期望朝向，提供满足曲率限制的参考轨迹。

该设计从几何层面保证了向量场积分曲线的曲率连续且有界，同时给出了明确的参数整定充分条件：只要过渡区域宽度与极限环半径满足阈值要求，即可严格满足预设的最大曲率约束，彻底解决了传统向量场曲率不可控的问题。

此外，框架引入“目标正极限集”的通用表述，可同时适配“可停地面机器人收敛到指定位姿”和“恒速飞行无人机收敛到目标巡航环”两类场景，具备极强的跨平台通用性。

向量场和控制器的协同设计

闭环跟踪仍守曲率边界

这项研究的核心贡献，不仅在于向量场本身，更在于 "协同设计" 的理念。

为了避免出现“参考轨迹合规、实际跟踪超限”的情况，团队提出了向量场与控制律的协同设计思路，从控制端守住曲率约束的最终边界。

设计带上下界的自适应线速度控制律，远离目标时高速行进、靠近目标时平稳减速，可灵活适配不同机器人的速度特性；提出状态相关的动态增益饱和角速度控制律，通过实时调整反馈增益，将角速度饱和区域严格限制在奇点附近的极小范围内，且保证机器人必然在有限时间内脱离饱和区，朝向误差单调收敛。

论文通过严格的理论推导证明：在该框架下，闭环系统可实现几乎任意初始位形（位置+姿态）收敛至目标位形，且全程实际轨迹曲率不超过预设上限，从根本上打通了从理论规划到工程落地的最后一公里。

从仿真到真车

FZMotion让非完整机器人走得更准

为全面验证CVF框架的理论正确性与工程可行性，研究团队从数值仿真、地面无人车实物实验、固定翼无人机半物理仿真三个维度开展了系统性验证。

数值仿真阶段，团队进行了大规模蒙特卡洛实验，1000次随机初始条件测试显示，本文CVF方法的参考轨迹与实际跟踪轨迹曲率合规率均达到100%，大幅优于DVF、AVF、CLVF、GVF等主流向量场算法；同时控制输入平滑度最优，有效降低了执行机构的磨损与冲击。

在阿克曼无人车实物实验中，研究团队采用最小转弯半径0.6m的移动底盘搭建测试平台。FZMotion光学动捕系统以亚毫米级定位精度，实时采集无人车的位置与姿态数据，通过ROS 系统回传至规划端作为闭环反馈输入。

实验设置7组不同初始条件的测试用例，涵盖从饱和区出发、远距离趋近、大角度初始偏差等多种极端场景。测试结果显示：所有场景下无人车均平稳收敛至目标位姿，全程轨迹曲率严格约束在物理上限内；尽管存在底盘动力学延迟、测量噪声等真实干扰，算法仍表现出极强的鲁棒性，完美复现了理论仿真的收敛效果。因此，高精度、低延迟的动捕位姿反馈，为算法的真实场景验证提供了可信的真值基准，也为规划控制参数的调优提供了精准的数据依据。

此外，团队还将该方法扩展到三维空间，应用于固定翼无人机的协调转弯约束场景。固定翼无人机HIL实验表明，在最小转弯半径30m的固定翼平台上，算法以闭式解析形式运行，计算量极低，可完全机载实时运行；9组动态切换目标的测试中，无人机均稳定收敛至目标极限环，准确经过目标位姿，验证了方法在高空速、强约束场景下的适配性。

让非完整机器人学会“优雅转弯”这件事，远比我们想象的复杂。

从搜索算法到优化方法，从开环规划到闭环反馈，从理论证明到真车验证——北京大学团队的这项研究，其价值不仅是学术上的创新，还可广泛赋能自动驾驶、无人机配送、深海探索与多机器人协同等多元场景。