机器人、汽车运动学与动力学模型选型指南（运动学 + 动力学 + 行业落地）
这里说的"模型"不是AI大模型，是车辆、机器人的运动学与动力学数学模型。搞机器人、自动驾驶，第一件事不是写代码，是选模型——选错了，后面的控制算法全是白做。从差速小车到高速NOA，从两轮自行车到7自由度动力学，全讲一遍。别再拿运动学模型去跑高速了。
一、为什么需要模型？不建模行不行？
先看三个场景：
- 路径规划：规划模块要算"从当前位置到目标点，方向盘打多少度、油门踩多深"。没有模型，这就算不出来。
- 轨迹跟踪控制：MPC（模型预测控制）需要预测"我打了这个方向盘角度，0.5 秒后车会在哪"。没有模型，预测就是瞎猜。
- 运动预测：自动驾驶要预测周围车辆未来 3 秒的轨迹。没有模型，就只能假设别人匀速直线——这在弯道里完全不靠谱。
主流开源项目用的是什么模型？
| 项目 | 模型 | 用途 |
|---|---|---|
| 百度 Apollo | 2 自由度动力学自行车模型 + 线性轮胎模型 | LQR / MPC 横向控制 |
| Autoware (TIER IV) | 运动学自行车模型 | 位姿推算、仿真 |
| openpilot (comma.ai) | 纵向 3 阶动力学模型（位置→速度→加速度→加加速度） | 纵向 MPC 控制 |
| ROS2 Nav2 | 差速/全向/阿克曼运动学模型 | 机器人路径规划+控制 |
| Carla_iLQR_MPC (295 stars) | 动力学自行车模型 + 系统辨识 | iLQR 轨迹跟踪 |
| Multi-Purpose-MPC (278 stars) | 空间自行车模型（非线性） | 路径跟踪 + 避障 |
模型选错了什么后果？Carla 上实测过：用运动学自行车模型做高速（25 m/s）紧急变道，车辆直接冲出车道；换成混合扩展自行车模型（加了侧偏角预测），同样的控制器，轨迹误差从米级降到厘米级。
二、机器人、汽车怎么分类？各自用什么模型？
先看你研究的东西长什么样，再决定用什么模型。
每种平台对应什么模型？
| 平台类型 | 运动学模型 | 动力学模型 | 说明 |
|---|---|---|---|
| 扫地机（差速） | 差速小车模型 | 一般不需要 | 低速，不打滑，运动学够用 |
| 仓储AGV（全向轮） | 全向运动学模型 | 不需要 | 全向轮无侧滑约束，运动学即完整描述 |
| 无人配送车（阿克曼） | 四轮阿克曼 / 自行车 | 不需要（低速） | < 30 km/h 运动学够用 |
| 家用车（L2 辅助驾驶） | 不适用（高速） | 2 自由度动力学自行车 | 高速必须算轮胎侧偏 |
| 高速 NOA（L2+） | 不适用 | 2 自由度动力学 | 横向+纵向解耦控制 |
| 四驱电车（扭矩分配） | 不适用 | 7 自由度动力学 | 离线仿真，不上实车 |
| 机器狗（四足） | 不适用 | 整机动力学 + 足端力控 | 需要腿足动力学，这里不展开 |
| 无人机 | 不适用 | 6 自由度刚体动力学 | 推力+力矩控制 |
| 底盘研发 | 不适用 | 多体仿真 | 悬挂、转向全复刻 |
下面重点讲轮式机器人和汽车的运动学/动力学模型。腿足、无人机模型这里不展开。
复杂平台（如轮式人形机器人）底盘和手臂的运动学是耦合的，需要合并成全身运动学方程统一求解，不能分开建模。江南大学李宽宽的论文中有详细推导。
三、两大类模型
运动学模型：只看怎么走——几何路线，纯数学。轮胎永远不打滑，没有质量，没有惯性。说白了就是"画线"。差速轮机器人、全向轮AGV，不管跑多快，运动学模型就是它的完整描述——因为它根本没有转向机构，不存在侧偏问题。
动力学模型：把轮胎侧偏、离心力、车速惯性全算进去。不是质点，有重量、有速度、转弯时外侧轮胎吃更多力。汽车和带阿克曼转向的机器人，速度上来后必须换动力学模型。
汽车的速度分水岭在 30~40 km/h——低于这个速度，轮胎侧偏角 < 2°，运动学模型误差 < 3%；超过这个速度，侧偏角迅速增大，误差从厘米级跳到米级。差速机器人没有这个分水岭——它压根没有侧偏角这个概念，运动学模型就是它的全部。
四、运动学模型详解（低速专用）
运动学模型的核心假设：轮胎和地面之间没有滑动。所有车轮绕着同一个圆心转，纯滚动。
4.1 差速小车模型
没有转向机构，没有前轮转角。靠左右轮子快慢差来拐弯——左轮比右轮快就右转，反过来就左转。全程硬磨轮胎。
只用在：扫地机器人、仓储AGV、小型轮式机器人。家用汽车不用这个，轮胎磨不起。
4.2 两轮自行车模型（最常用简化版）
把汽车左右前轮合成一个虚拟前轮，左右后轮合成一个虚拟后轮，车身等效为一辆自行车。只用一个前轮转角 δ 就能算出整车的运动轨迹。
| 优点 | 缺点 |
|---|---|
| 计算量极小，一个转角参数搞定 | 看不出四个车轮各自的轨迹 |
| 适合实时路径规划和导航 | 无法判断车身宽度是否擦碰障碍物 |
| 高速场景下也能用作预测模型的骨架 | 忽略了左右轮差速 |
用途：导航路径规划、高速车道级路线预测。L2+ 辅助驾驶的规划模块底层都用这个模型。Autoware 的仿真器（scenario_simulator_v2）直接用自行车运动学模型做位姿推算。
自行车模型的关键公式就一个：转向半径 R = L / tan(δ)，L 是轴距，δ 是前轮转角。轴距越长、转角越小，转弯半径越大。
4.3 四轮阿克曼模型
真实还原四个车轮的独立运动。转弯时，内侧前轮转得比外侧前轮更大，四个轮子绕着同一个圆心纯滚动，不磨胎。
| 优点 | 缺点 |
|---|---|
| 四个车轮各自轨迹全知道 | 比自行车模型多算几个参数 |
| 能算车身宽度够不够过窄路 | 低速场景才准 |
| 倒车蹭不蹭路牙一眼就知道 | — |
用途：自动泊车、车轮轨迹线可视化、窄路转弯辅助。车机上看到的"倒车轨迹线"就是阿克曼模型算出来的。
阿克曼的核心公式：cot(δo) - cot(δi) = 轮距 / 轴距。轮距越宽、轴距越短，内外轮转角差越大。
五、动力学模型详解（高速专用）
运动学模型有 5 个隐藏假设，速度一上来全崩：
- 低速假设（< 5 m/s ≈ 18 km/h）：模型默认轮胎横向力可以忽略
- 无滑移假设：轮胎速度方向与车轮平面一致（侧偏角 ≡ 0）
- 刚性车身假设：忽略悬挂带来的姿态变化
- 瞬时转向中心假设：前后轮转向延长线总有完美交点
- 阿克曼几何近似：把复杂转向几何简化为单轮等效
动力学模型把这些假设一个个拆掉，把轮胎侧偏、惯性效应全算进去。
5.1 2 自由度动力学自行车模型（行业标配）
在两轮自行车模型的基础上，加两个东西：
- 轮胎侧偏刚度：轮胎不是刚体，过弯时会侧向变形，产生侧偏角。侧偏角 × 侧偏刚度 = 侧向力。
- 横摆角速度：车身绕垂直轴的旋转速度，用来描述推头（转向不足）和甩尾（过度转向）。
有了这两个参数，模型就能模拟高速过弯时车子的真实反应——方向盘打多了会不会甩尾，打少了会不会推头。
百度 Apollo 的 LQR 和 MPC 横向控制，底层全是这个模型。 状态向量包含横向误差、航向角误差、横向速度误差、横摆角速度误差四个量，控制输入是前轮转角。轮胎侧偏刚度从实车标定获取，不能随便填。
2 自由度 = 横向位移 + 横摆角。纵向速度当外部输入，不参与状态估计。
5.2 7 自由度四轮动力学
把四个车轮拆开，每个轮子单独建模。能控制每个轮的抓地力、制动力、驱动力分配。
| 适用场景 | 说明 |
|---|---|
| 四驱电车扭矩分配 | 前后轴、左右轮扭矩怎么分 |
| 极限操控仿真 | 漂移、冰雪路面、紧急变道 |
| 底盘标定参考 | 给实车标定提供理论值 |
不上车。7 自由度算力太大，实车控制器跑不动，只在电脑上做离线仿真和标定参考。
5.3 多体仿真模型
精细到悬挂几何、转向拉杆、减震器阻尼曲线、衬套刚度。完全复刻真实底盘的每一个零件。
只在车企研发部门用——底盘结构设计、悬挂调校、碰撞仿真。算力要求极高，根本装不到车上。
六、行业落地：不同场景选什么模型
机器人 + 汽车低速场景（运动学模型）
汽车高速 + 研发场景（动力学模型）
| 场景 | 推荐模型 | 复杂度 | 上实车/机器人 | 开源参考 |
|---|---|---|---|---|
| 扫地机定位导航 | 差速小车运动学 | 低 | 是 | Nav2 dwb_controller（motion_model: DiffDrive） |
| 仓储AGV全向移动 | 全向运动学 | 低 | 是 | Nav2 nav2_mppi_controller（motion_model: Omni） |
| 无人配送车（低速） | 阿克曼/自行车运动学 | 低 | 是 | Autoware 仿真器 |
| 汽车导航路径规划 | 两轮自行车运动学 | 低 | 是 | Autoware 仿真器 |
| 高速车道保持 / ACC | 2 自由度动力学 | 中 | 是 | Apollo LQR |
| 高速 NOA 横纵控制 | 2 自由度动力学 | 中 | 是 | Apollo MPC |
| 自动泊车 / 轨迹线 | 四轮阿克曼运动学 | 低 | 是 | — |
| 电车四驱扭矩分配 | 7 自由度动力学 | 高 | 否（离线） | — |
| 底盘结构设计 / 调校 | 多体仿真 | 极高 | 否（研发） | — |
多 AGV 协同场景中，运动模型的选择直接影响路径规划和冲突避免的效率。差速模型可以原地转向，全向模型可以横向平移，两者在窄通道里的避让策略完全不同。张增的研究里，改进 CBS 算法做多 AGV 路径规划时，第一步就是明确每台 AGV 的运动学模型——模型类型不同，冲突检测的约束条件也不一样。
七、研究选型速查
| 你要做什么研究 | 选哪个模型 | 理由 |
|---|---|---|
| 路径规划 | 两轮自行车运动学 | 一个转角搞定，算得快 |
| 低速轨迹跟踪（< 20 km/h） | 两轮自行车运动学 | 误差可接受，计算量小 |
| 高速轨迹跟踪（> 30 km/h） | 2 自由度动力学 | 轮胎侧偏必须算进去 |
| 自动泊车、轨迹线可视化 | 四轮阿克曼运动学 | 四个轮子各自轨迹，倒车不蹭 |
| 扫地机器人定位导航 | 差速小车运动学 | 结构最简单，ROS 自带 |
| 仓储AGV全向移动 | 全向运动学 | 麦克纳姆轮无侧滑约束 |
| MPC 控制算法研究 | 2 自由度动力学 | Apollo 标准用法，可复现 |
| 系统辨识 + 控制 | 动力学自行车 + 辨识 | Carla_iLQR_MPC 的套路 |
| 四驱扭矩分配仿真 | 7 自由度动力学 | 四轮独立，离线跑 |
| 底盘结构设计 | 多体仿真 | 悬挂转向全复刻 |
记住：低速画线用运动学，高速控制用动力学，底盘研发用多体。别拿自行车模型去做泊车，也别拿阿克曼去跑高速——模型选错了，后面的控制算法全是白做。
八、工程落地要点
几个典型问题，记录下来供参考。
1：高速场景用了运动学模型
运动学模型默认轮胎不打滑。实际过弯时侧偏严重，控制器输出和实际响应差一大截，LKA 跑着跑着就画龙。
某园区自动驾驶项目，直角弯总是"切西瓜"。排查发现速度过 30 km/h 后，运动学模型预测误差从 5 cm 跳到 50 cm。换成动力学模型，解决。
运动学模型在 15 km/h 以下误差 < 3%，30 km/h 以上迅速放大。弯道控制失效，第一件事先看模型选对没有。
2：泊车用了自行车模型
自行车模型只算一个虚拟轮的轨迹，看不到四个车轮各自走哪。倒车时左后轮蹭路牙了，模型根本不知道。
3：动力学模型参数随便填
侧偏刚度、转动惯量，要么从轮胎厂拿数据，要么自己标定。随便填个值，精度还不如运动学模型。Apollo 是先跑系统辨识拿初始值，再上实车微调。
4：阿克曼模型轴距量错了
轴距差 5 cm，泊车轨迹线偏移十几厘米。倒车影像里的轨迹线不准，多半是轴距参数没填对。
5：线性轮胎模型用在不该用的工况
线性轮胎模型（侧偏力 = 侧偏刚度 × 侧偏角）只在侧偏角 < 5° 时管用。急转弯、漂移，侧偏角一过 5°，线性模型就崩了。这种工况得上 Pacejka 魔术公式等非线性模型。
6：拿神经网络直接替代物理模型
有人在 Carla 上试过：拿全连接网络直接拟合车辆动力学，没有物理先验，长期预测漂得厉害，也不保证运动学可行性。正确的用法是 hybrid——物理模型做骨架，网络只拟合残差。Carla_iLQR_MPC 就是这么干的。
7：差速轮底盘配了阿克曼模型
差速轮底盘没有转向机构，靠左右轮速差原地转向。用了阿克曼模型做路径规划——阿克曼强制最小转弯半径，差速轮可以原地转。实际轨迹与规划偏差 > 15 cm，窄通道里直接卡死。
Nav2 里的做法：nav2_mppi_controller 配置里指定 motion_model 为 DiffDrive。模型类型和底盘不一致，角速度指令就是错的。
8：全向轮 AGV 配了差速模型
麦克纳姆轮可以横向平移，差速模型做不到。仓库里 AGV 本来能横着进窄巷道，用了差速模型，控制器只会原地转圈再前进，效率直接腰斩。
Nav2 的 nav2_mppi_controller 支持 motion_model: Omni，需要显式指定，默认是 DiffDrive。
9：机器人里程计融合时传感器配置不当
ROS2 的 robot_localization 包做 EKF 融合时，odom0_config 是一个 15 位的布尔向量，控制哪些状态量参与融合。差速底盘如果配置了全向模式的融合向量（比如把 Y 方向速度也 fuse 了），EKF 会以为你的机器人能横向漂移，融合出来的位姿一直偏。排查这类问题，先打印 odom0_config 向量，确认只开启了差速底盘实际能产生的运动分量。
轮式人形机器人（底盘+手臂）这类复杂平台，底盘运动学和手臂运动学是耦合的——底盘移动会改变手臂末端位置，手臂摆动也会影响底盘重心。江南大学李宽宽的论文里，把底盘运动学和手臂运动学合并成全身运动学方程，再用 CBF+QP 或 MPC 统一求解。如果简单地把底盘和手臂分开控制，碰撞检测和轨迹精度都会出问题。