Home / 机器人经典基础 / 发展时间线总览

机器人经典基础发展时间线：从几何表示到完整自主系统

机器人研究没有一条替代所有旧方法的单线历史。位置表示、状态估计、规划和控制长期并行发展，并在完整系统中结合。更准确的地图是：数学工具使某类问题变得可解，算法使它变得可算，传感器和计算平台使它能够实时运行，公开基准再暴露系统边界。

技术架构

flowchart TD A[机器人任务] --> B[感知与状态估计] A --> C[几何与动力学模型] B --> D[地图与不确定性] C --> E[运动学雅可比刚体动力学] D --> F[规划与轨迹优化] E --> F F --> G[反馈控制] E --> G G --> H[接触与真实运动] H --> B B --> I[SLAM: 前端关联与后端优化] F --> J[图搜索采样规划连续优化] G --> K[位置力阻抗操作空间 MPC] H --> L[抓取摩擦腿足平衡] M[软件与基准] --> B M --> F M --> G

这张图中的箭头是信息依赖。例如 SLAM 输出的位姿误差会改变碰撞距离，规划轨迹又会影响未来可见的特征。单独提高某个模块的指标，不必然改善完整任务成功率。

1955—1984：把机构、状态与运动变成可计算对象

Denavit–Hartenberg 用矩阵统一描述连杆关系；Kalman 把历史观测的信息压缩成递归状态估计与误差协方差；A* 把启发信息纳入最短路搜索；Whitney 将任务速度转换为关节速度。随后 Newton–Euler 递推、构型空间和铰接体惯量分别解决动力学计算、碰撞几何抽象及前向动力学效率问题。指数积表示则从刚体运动群的角度重新组织运动学。

核心问题是“表示是否正确”。坐标系、变换顺序、状态定义和噪声假设一旦不一致，后续优化只会更快地求出错误模型的答案。

年份	代表论文	旧瓶颈	核心改变
1955	D–H	连杆几何描述缺少统一约定	用参数化齐次矩阵串联机构
1960	Kalman 滤波	历史观测处理难以递归	用状态与协方差进行预测更新
1968	A*	盲目展开图节点代价高	用可采纳启发函数指导最短路搜索
1969	Resolved Rate	任务速度与关节指令不直接对应	通过雅可比进行速度变换
1980	Newton–Euler 递推	机械臂逆动力学计算昂贵	沿运动链前后递推速度与力
1981	RANSAC	少量错误对应污染拟合	用最小样本假设与一致集抵抗离群点
1983	构型空间	机器人体积使碰撞推理复杂	将机器人姿态作为点并变换障碍物
1983	铰接体算法	显式矩阵求逆限制前向动力学速度	通过等效惯量递推求加速度
1984	指数积	中间坐标约定增加建模负担	用零位关节轴统一有限运动

1985—1995：从自由运动走向接触、冗余与未知环境

可操作度描述机器人在不同构型下的运动能力；阻抗控制和混合位置／力控制讨论与环境接触时到底应该调节什么；操作空间和自适应控制将任务目标与机器人动力学结合。势场与分层反应式系统寻求快速反馈，概率空间关系、占据栅格与粒子滤波则承认感知存在不确定性。

视觉线索逐步形成工具链：相机标定建立像素与几何的联系，角点和跟踪提供对应关系，绝对定向与 ICP 求刚体配准。抓取质量和闭合性研究提醒我们：抓住物体不是“末端到达某点”，而是能否抵抗外部扰动。

年份	代表论文	旧瓶颈	核心改变
1985	可操作度	可达性不能反映方向运动难度	以雅可比椭球衡量局部能力
1985	阻抗控制	位置或力命令不足以描述动态接触	控制运动偏差与力响应之间的关系
1986	人工势场	局部避障需要快速反馈	把目标与障碍转换成吸引和排斥作用
1986	包容架构	串行世界模型链反应迟缓	按行为能力构建异步分层模块
1987	操作空间	关节动力学与任务控制脱节	把惯性与力控制映射到任务空间
1989	占据栅格	稀疏地标难以表达任意障碍	以栅格占据概率表达空间
1992	ICP	三维形状对应与变换均未知	交替建立近邻对应和刚体配准
1992	抓取质量	可抓住不等于能抗扰动	在物体作用力空间评估抓取
1994	D*	地图更新导致重复搜索	增量修复路径代价

1996—2005：搜索、概率分解与优化开始扩展规模

PRM 用可复用路网处理高维空间，RRT 与 RRT-Connect 快速寻找单次查询的可行解。D* Lite 和 AD* 在环境变化或有限时间下复用搜索成果。动态窗口把机器人制动能力放进局部避障；接触时间步进将碰撞和摩擦转化为数值约束问题。

SLAM 从概率一致性走向可计算结构：FastSLAM 条件于轨迹分解地图，GraphSLAM 将约束组织为图。SIFT 与五点法改善视觉关联与相对运动恢复。iLQG、ZMP 预瞄控制和全身优先级控制分别处理局部最优反馈、行走预见性和任务冲突。

年份	代表论文	旧瓶颈	核心改变
1996	PRM	高维显式自由空间难以构造	采样节点并建立可复用路网
1997	动态窗口	几何避障忽略制动能力	在可达速度窗口内选择安全指令
1998	RRT	单次高维查询探索效率低	向随机样本扩展探索树
2000	平面标定	标定装置和采集流程复杂	用多个姿态的平面图案估计相机参数
2000	RRT-Connect	单树到达目标较慢	双向树采用快速连接策略
2002	FastSLAM	机器人与地图联合估计规模庞大	条件于轨迹分解地标估计
2002	D* Lite	重复规划未充分利用旧信息	用局部一致性增量更新搜索
2003	ZMP 预瞄控制	只看当前误差不足以平滑行走	利用未来参考 ZMP 设计质心运动
2004	SIFT	视觉匹配受尺度与旋转变化影响	构建局部不变关键点及描述子
2005	迭代 LQG	非线性最优反馈难以直接求解	局部近似并迭代改进控制

2006—2013：实时系统与公开评价形成共同语言

PTAM 将跟踪与建图放在不同线程；iSAM 和 iSAM2 重用图优化结构；KinectFusion 利用 RGB-D 与 GPU 构建稠密表面；OctoMap 用八叉树管理三维占据。它们没有消除前端误关联，却改变了大地图和实时运行的成本。

规划出现三条互补路线：RRT* 追求渐近最优；CHOMP、STOMP、TrajOpt 在连续轨迹空间改进候选解；OMPL 提供统一接口，便于在相同问题上比较规划器。ROS、MuJoCo、KITTI 和 TUM RGB-D 分别支持模块协作、动力学仿真以及可重复评价。

年份	代表论文	旧瓶颈	核心改变
2006	GraphSLAM	大规模联合后验计算困难	将观测组织为稀疏约束图
2007	PTAM	跟踪与建图争用实时预算	分线程处理快速跟踪与较慢建图
2009	CHOMP	路径平滑和避障缺少统一优化	在轨迹函数空间进行梯度改进
2011	RRT*	可行路径质量不随计算充分改善	重连邻域使路径渐近趋优
2011	KinectFusion	实时稠密三维重建代价高	融合深度到体素并持续跟踪
2012	iSAM2	每次增加观测都重做批量优化	利用 Bayes 树增量更新
2012	MuJoCo	接触仿真需兼顾速度与控制用途	设计面向控制的动力学与接触求解
2013	TrajOpt	复杂碰撞约束使轨迹优化困难	迭代凸近似与碰撞代价处理

2014—2022：传感器融合、稀疏优化与物理约束进一步结合

LSD-SLAM、SVO、ORB-SLAM、DSO 从直接与特征两条路线组织视觉信息；LOAM 及其后继利用激光几何，IMU 预积分与 VINS-Mono、LIO-SAM、FAST-LIO2 将高频惯性与视觉／激光约束结合。ORB-SLAM3 进一步支持视觉惯性与多地图。

Informed RRT*、BIT* 和 GPMP2 改善搜索重点和连续轨迹表达；TOPP-RA 将路径的时间参数化写成可达性问题。质心动力学、凸 MPC 和控制屏障函数让动态可行性与约束维护更直接地进入优化。SE-Sync、TEASER 等工作则研究何时能够为估计结果提供可验证的最优性证据。

KISS-ICP 的价值在于反思复杂度：稳定的几何前处理、阈值与优化组合，可能比无边界地增加组件更重要。但某个数据集上的简化成功，并不证明所有任务都不需要更丰富的模型。

年份	代表论文	旧瓶颈	核心改变
2014	LOAM	激光配准需要同时兼顾快与准	区分高频里程计和低频建图
2014	Informed RRT*	得到初解后仍采样无用区域	集中采样可能改善当前解的子集
2015	IMU 预积分	优化重线性化时反复积分昂贵	在流形上压缩关键帧间惯性约束
2016	GPMP2	连续轨迹优化缺少稀疏结构利用	以高斯过程先验与因子图建模
2016	SE-Sync	局部优化缺少结果正确性证书	利用松弛结构验证全局最优性条件
2017	TOPP-RA	路径给定后速度分配仍受动力学限制	用可达性传播确定时间参数化
2018	Cheetah 凸 MPC	动态腿足需预见接触力后果	滚动优化未来接触力
2020	LIO-SAM	激光和惯性误差需统一约束	因子图紧耦合惯性与激光观测
2022	KISS-ICP	复杂组件不一定带来稳健配准	以简洁几何处理与自适应阈值组合

沿着瓶颈分叉读，不把年份箭头当作继承证明

时间顺序只回答“何时出现”，下面的关系才解释“为什么下一篇值得读”。一篇系统论文也可能同时继承多条路线。

直接方法发展： RRT用树探索 → RRT-Connect减少会合开销 → RRT*通过选父、重接改善成本。但RRT*不是由RRT-Connect的双树技巧必然推出，两条后作分别改变不同瓶颈。再读Informed RRT*，问题转为已有解后该把样本投在哪里。
统计表示的分叉： Kalman的线性递推 → 联合SLAM分析追踪地图相关性；FastSLAM以轨迹条件化保留这类相关性，GraphSLAM则用历史约束优化。这是平行计算表示，不能称后一条证明前一条“错误”。
模块组合： ORB输出可匹配局部描述，DBoW2筛出可能重访的图像，g2o求解已构建的几何目标，ORB-SLAM把它们组织成系统。检索命中、几何验证、优化残差和轨迹真值误差属于四层证据。
接触方法的并行取舍： Stewart–Trinkle讨论怎样步进模拟接触；CIO手操作用连续辅助变量和罚项联合找动作；Posa方法将互补关系直接放入轨迹约束。它们不共享相同的物理可行性、可微性或求解保证。

这四条辨析分别依据RRT作者说明、FastSLAM原文的条件独立性、DBoW2官方接口说明及Posa原文相关工作。它们是阅读路径，不能替代逐篇证据。

还要分清两种时间：算法的历史年份，与机器人运行时的信息时序。原文“已知地图”“已知关联”“未来参考已给定”都是信息预算；在后一个方法中偷偷多给这些信息，即使年份更晚、曲线更好，也不是同条件比较。

四条先修路线

目标	建议主线	必须区分的概念
机械臂控制	D-H → 速度运动学 → 奇异鲁棒逆解 → 动力学递推 → 操作空间 → 阻抗与力控	位姿与速度；力与运动；运动学可行与动力学可行
自主移动	A* → 构型空间 → D* → PRM/RRT → 动态窗口 → RRT* → 轨迹优化	离散最优与连续最优；可行解与最优解；规划与跟踪
SLAM	Kalman → 空间不确定性 → 标定与配准 → FastSLAM → 图优化 → 视觉／激光惯性系统	对应关系与状态估计；相对误差与全局漂移；后验与点估计
腿足与操作	接触约束 → 摩擦与抓取 → LIPM/ZMP → 捕获点 → 质心优化 → MPC	静态支撑与动态恢复；力闭合与可执行抓取；模型预测与真实稳定性

经典基础与机器人学习的连接

学习方法常把这些模块中的一个换成数据驱动近似：学习视觉特征、动力学、价值函数或动作策略。它们仍然需要坐标一致、时间同步、动作边界和可解释的评价条件。阅读学习论文时，可以沿本图追问：模型替代了哪个模块，保留了哪些物理约束，误差通过哪条路径进入真实动作。

各时期的原论文链接、版本和独立精读见目录。时代划分用于组织技术问题，不意味着后一个时期淘汰前一个时期。