地图给出方向，安全到达还需要持续观察

路线规划和路径跟踪是两个问题

手机地图告诉你走哪条街，但不会替你决定此刻是否该让行。机器人同样需要把远处目标与近处动作分开：先确定可行的通路，再根据最新障碍、当前位置和运动约束生成控制输出。

Nav2 是机器人操作系统 ROS 2（Robot Operating System 2）生态中的导航框架。其官方文档分别描述 Planner、Controller、Behavior 等服务器：规划器计算路线，控制器计算跟踪路线的控制量，行为组件处理特定动作与异常情形。官方分层说明。

目标也需要定义：到达某个点、以特定朝向停靠，或经过一串航点，是不同任务。只检查“离目标足够近”可能让机器人停在门外；要求过于苛刻的姿态误差又可能导致目标附近反复调整。

代价地图表达在哪里走更合适

占据地图描述环境是否被障碍占用，代价地图还可以表示离障碍有多近、哪里禁止进入，以及未知区域怎样处理。未知不是空闲；“没有检测到东西”也可能是传感器根本看不到那里。

机器人足迹是身体在导航平面上的占用形状。把长方形底盘当一个点会忽略转弯扫过的角；抓着的货物伸出本体时，也应重新评估外形。二维表示还可能漏掉桌板、悬空障碍或低矮台阶，需要根据环境与传感器设计补充检查。

因此不能只调小栅格就期待导航更可靠。传感器误差、坐标误差、更新周期与碰撞检查也要匹配分辨率。细地图上错误的位置，比粗地图上诚实表达不确定性更容易误导规划。

可画出的曲线，不一定能被底盘跟踪

差速车可通过左右轮速度差转向；汽车式转向底盘受到转弯半径限制；全向底盘又有不同的可行速度集合。规划器和控制器必须与本体匹配。不能先画任意路径，再指望控制器把不可行的弯道“优化掉”。

局部控制可以采样候选速度、追踪路径上的参考点，或在有限预测范围内优化动作。方法不同，但都需要权衡跟踪误差、障碍间隙、平滑性、速度限制和计算时间。局部最优不保证能脱离死胡同，持续重规划也不保证不会来回振荡。

面对移动的人，单帧代价地图只告诉机器人“此刻在哪”，未必知道“下一刻往哪走”。速度估计和预测可以改善处理，却仍存在不确定性；等待有时比强行绕行更合理。预测不可靠时应保留更保守的间隙与停止能力，而不是让规划器假设对方必然避让。

停止距离包含反应过程，不只是刹车过程

设速度 0.8 m/s、总延迟 0.15 s、可实现减速度 0.8 m/s²，不含额外裕度的距离约 0.12+0.40=0.52 m。如果只算刹车段，会少算 12 cm。真实系统还受负载、路面、坡度、驱动响应、障碍运动和测量误差影响，不能据此设置固定安全阈值。

Nav2 Collision Monitor 提供基于传感输入和配置区域的速度干预，可作为导航系统之外的一层软件检查。它的存在不能代替风险评估、经过验证的硬件停止链路或适用的安全认证；软件运行平台、驱动和传感器失效同样需要考虑。官方配置入口。

验收至少记录完成率、碰撞或接触事件、最小间隙、路径长度、耗时、停滞/重规划次数、定位丢失和人工接管。把“到达率高”与“安全可靠”分开判断；用固定地图和固定起终点的演示，不能证明陌生人流环境中的泛化。

把这一层放回完整机器人

返回具身智能知识地图，或沿本专栏继续展开：

• 从二维图像到三维空间：深度、点云、物体位姿、遮挡与不确定性。
• 标定：让相机与机械臂说同一种位置语言：相机内外参、手眼关系与时间对齐。
• 状态估计与同时定位建图：传感器融合、里程计、回环与地图。