【实战】我把 Agent 的“旋转计算”跑崩了 3 次，才搞懂等角螺线不是套个 math.sin 就完事

weixin_42415766

872人浏览 · 2026-10-06 19:03:09

weixin_42415766 · 2026-10-06 19:03:09 发布

摘要：用 Python 画等角螺线，90% 的博客都只写 r = a * exp(b*theta) 然后贴张图。真到 Agent 生成轨迹、机器人转向、相位补偿时，你就会发现：角度单位、增长因子、复数表示、浮点累积误差，哪一个都能把结果带飞。本文用三次翻车现场，把等角螺线讲成人能用的工程知识。

分类专栏：Python 数学可视化 / Agent 与几何先验 / 算法工程踩坑

文章标签：Python 等角螺线 数学可视化 AI Agent 复数 轨迹生成 工程踩坑

参与活动：#技术栈深潜计划

话题：Python 数学可视化、Agent 几何先验、算法工程踩坑

一、先说结论（别急着复制代码）

等角螺线本身不难，难的是你把它当“数学题”，而工程里它是轨迹、相位、缩放、方向一起跑的东西。

我前两周给一个 Agent 做“自然转向轨迹生成”，需求很简单：

让机器人从 A 到 B，别走直线，走一条像贝壳、像旋风、像向日葵籽排列的曲线。

我第一版代码是这样的：

import math
import matplotlib.pyplot as plt

theta = [i * 0.1 for i in range(200)]
r = [math.exp(0.2 * t) for t in theta]
x = [ri * math.cos(ti) for ri, ti in zip(r, theta)]
y = [ri * math.sin(ti) for ri, ti in zip(r, theta)]

plt.plot(x, y)
plt.axis("equal")
plt.show()

跑出来“像那么回事”。

但 Agent 实际用时：

前 10 步正常
第 40 步开始半径爆炸
第 80 步坐标变成 1e308
第 120 步直接 inf

不是 matplotlib 的锅，是我没管三件事：

theta 单位到底是弧度还是“自定义步长”
b 是正还是负，决定螺线是往外炸还是往里卷
用复数写，比用 x/y 分开写稳得多

二、第一次翻车：把 theta 当“帧数”

我最开始以为：

theta = step * 0.1

step 是帧数，theta 就是角度。

这没问题——只要你后面不再做微分、插值、反向求解。

但 Agent 要“从当前点反推下一帧角度”：

theta_next = theta + angular_speed * dt

这时候问题来了：

angular_speed 如果是 0.1，dt 如果是 16ms，你其实在混合“连续数学”和“离散帧”。

正确写法不是装高级，而是先统一时间轴：

import numpy as np

t = np.linspace(0, 4 * np.pi, 500)
b = 0.18
a = 0.5
r = a * np.exp(b * t)

z = r * np.exp(1j * t)   # 复数表示，后面最好用这个
x = z.real
y = z.imag

经验：

凡是涉及旋转 + 缩放，先写复数，再拆 x/y。

别跟自己过不去。

三、第二次翻车：螺线“等角”但 Agent 不认

等角螺线名字很玄：

切线与半径夹角恒定。

但 Agent 控制里你要的是：

线速度
角速度
曲率
最大转向率

我只给螺线坐标，Agent 不知道“下一帧该转多少度”。

于是我加了速度场：

dz_dt = (a * b) * np.exp(b * t) * np.exp(1j * t) \
        + a * np.exp(b * t) * 1j * np.exp(1j * t)

speed = np.abs(dz_dt)
curvature = np.abs(dz_dt.real * np.gradient(dz_dt.imag) -
                   dz_dt.imag * np.gradient(dz_dt.real)) / (speed ** 3)

跑出来才发现：

b 越大，曲率越高，Agent 越容易“甩飞”。

所以工程参数不是拍脑袋：

b 值	观感	Agent 表现
0.05	很松，像海浪	稳，但太钝
0.18	像贝壳	舒服
0.35	像龙卷风	转角超限
0.6+	数学上还对	实际不可用

博客里写“等角螺线很美”很容易，

项目里写“Agent 跑这条线不撞墙”才叫干活。

四、第三次翻车：浮点累积，越跑越歪

最长的一次：让 Agent 沿螺线走 20000 步。

前 1000 步肉眼没问题。

第 8000 步开始：

理论对称
实际偏移
复现不了

原因就一句：

theta += dtheta

重复加，浮点误差会“螺旋式”积累（这回是真螺旋）。

改成“绝对时间重算”：

def spiral_point(t, a=0.5, b=0.18):
    r = a * np.exp(b * t)
    return r * np.exp(1j * t)

每一步都从 t 算，不从上一步加。

误差直接少一个数量级。

别用“迭代状态”代替“闭式函数”。

数学有公式，就用公式。

五、最终能用的版本（可直接抄）

import numpy as np
import matplotlib.pyplot as plt

def spiral_points(t_array, a=0.5, b=0.18):
    t = np.asarray(t_array)
    r = a * np.exp(b * t)
    z = r * np.exp(1j * t)
    return z.real, z.imag

t = np.linspace(0, 6 * np.pi, 1000)
x, y = spiral_points(t)

plt.figure(figsize=(6, 6))
plt.plot(x, y, lw=1.8)
plt.scatter(x[::100], y[::100], c="red", s=20)
plt.title("等角螺线：旋转 + 缩放 是同一件事")
plt.axis("equal")
plt.grid(True, alpha=0.3)
plt.show()

如果你做：