移动机器人规划控制算法

近年来，自主移动机器人与自动驾驶持续火热。自主移动机器人在越来越多的行业得以落地，在提升效率，节省人力成本，提高作业安全性等方面做出巨大贡献。自动驾驶也在迅速发展，越来越多的汽车标配自动泊车功能，新势力车企更是纷纷推出城市自动驾驶，高阶辅助驾驶。这其中都离不开关键技术的发展，决策，规划与控制就是其中的核心技术之一。由于需求旺盛，相关岗位待遇也是水涨船高。

然而，由于专业特性，规划与控制涉及的内容非常多，对从业者的要求也非常高。不但需要熟练使用linux系统，熟练掌握c++或python编程技巧，熟悉路径规划算法，运动控制算法。

规划与控制同时还是实践性非常强的学科，技术只有在真正的机器人调试，优化中不断锤炼才能得到提升。

更重要的是，目前无论是自主移动机器人，还是自动驾驶，都处于项目落地阶段，各企业在招聘时非常注重实践经验，以及对现有开源方案的优化能力。各岗位面试均以能解决实际工程问题为导向。

理论与实践的高要求，增加了自学的难度，提高了小白入行的门槛。

好消息是，面向机器人产业化的ROS2逐渐成熟，其拥有强大的可扩展性，实时性，多语言支持，安全性等新特性。在可以预见的未来，行业内越来越多的公司将使用ROS2解决方案，以实现机器人项目快速落地。

而ROS2自带的导航模块Navigation2也充分考虑了机器人产业化的需求，以插件形式组织规划器和控制器，各种常见的规划与控制的核心算法均通过插件形式实现，并提供了广泛的可拓展性，支持自行添加算法。同时，引入行为树机制实现机器人行为决策，用户通过增加或修改行为树，即可实现复杂的机器人行为。Navigation2的这些特点，也使它成为小白入门的极佳学习资料。

审核编辑：黄飞