01

60 秒回答模板

轨迹反馈要看机器人类型和场景，一般需要位置、姿态、速度和执行器状态。常见传感器包括轮速计或编码器提供里程和速度，IMU 提供角速度和加速度，GNSS/GPS 或 RTK 提供全局位置，视觉/激光 SLAM 提供局部位姿，关节编码器或液压传感器提供执行器状态，必要时融合相机、激光雷达或 UWB。它们对控制闭环的影响主要体现在精度、频率、延迟、漂移和可用性：IMU 高频但会漂，GPS 绝对位置好但低频且遮挡多，里程计短时平滑但会打滑累积误差，视觉/激光定位对环境和标定敏感。工程上通常用状态估计融合多源数据，输出时间同步的位姿和速度，并把协方差或置信度传给控制器。闭环验证要看反馈延迟、噪声、丢帧、坐标系误差和传感器失效时控制是否稳定降级。

考点 反馈量
难度 真实面经题
回答目标 说明轨迹反馈传感器如何按控制状态量选择，并分析误差、延迟、融合和降级对闭环的影响。
02

深入解析

01

先明确反馈量

轨迹控制通常需要横纵向位置、航向、速度、角速度，有些机器人还需要关节角、铲斗姿态或履带速度。传感器选择应从控制器需要的状态量倒推，而不是堆越多传感器越好。

02

每类传感器有不同误差

编码器和轮速计频率高但会受打滑影响；IMU 高频、短时好但 bias 会积分漂移；GNSS/RTK 有全局约束但受遮挡和多路径影响；视觉/激光定位能提供环境相对位姿，但依赖纹理、几何结构、标定和计算延迟。

03

融合输出要服务控制

状态估计模块应把不同频率、坐标系和时延的数据融合成统一的位姿、速度和置信度。控制器需要的是当前或预测到控制时刻的状态，不能直接拿过期传感器值做闭环。

04

延迟比噪声更隐蔽

反馈延迟会让控制器基于旧状态修正，表现为超调、振荡或跟踪落后。需要时间戳对齐、延迟补偿、外推预测和控制周期一致性检查。低延迟但略有噪声，有时比高精度但高延迟更适合控制闭环。

05

失效和降级要设计

传感器会丢帧、漂移、被遮挡或给出跳变。系统要监控数据新鲜度、创新残差、协方差、物理合理性和多源一致性，异常时降低速度、切换权重、进入降级定位或安全停车。

06

实测验证闭环影响

验证时要单独注入噪声、延迟、丢帧、GPS 遮挡、轮滑和外参偏差，观察横向误差、航向误差、控制饱和和稳定性。只有闭环指标稳定，才说明反馈传感器组合适合该轨迹控制任务。

03

易错点

  • 只说用 GPS 或 IMU，没有说明反馈量和各自误差边界。
  • 忽略时间同步和反馈延迟，把高精度传感器默认等同于好控制。
  • 不考虑轮滑、遮挡、弱纹理和外参漂移等实际失效场景。
  • 融合结果不给置信度或协方差，控制器无法判断反馈可靠性。
  • 没有通过噪声、延迟、丢帧和失效注入验证闭环稳定性。
04

面试官追问

为什么 IMU 不能单独长期做位置反馈？

IMU 加速度积分会累积 bias 和噪声，短时动态好，长期位置会漂，需要 GPS、里程计、视觉或激光等外部约束修正。

反馈频率越高一定越好吗？

不一定。频率高但噪声大、时间戳不准或未对齐也会伤害控制。要看控制周期、延迟、精度和融合后的状态质量。

如何发现外参或坐标系错误？

看不同传感器估计的轨迹是否存在固定偏差、转弯时误差是否放大、点云/图像投影是否错位，以及控制误差是否和姿态变化相关。