导航与避障：机器人怎么从 A 走到 B
前情提要 上一回第 30 篇《三道难关与未来：泛化、安全、成本》把具身智能的拦路虎归结成了三道难关——机器人得能"换个场景还认得路"（泛化）、"做事不伤人也不伤己"（安全）、"成本得降到买得起"（成本）。但再宏伟的蓝图，落地的第一步往往是"先别撞、先走到目的地"——本篇就讲这件最日常却最不简单的事：导航与避障。
你有没有想过，让一个机器人"从客厅这头走到那头"，到底难在哪？
对人来说，这几乎不叫事。你眼睛一扫，脑子里自动浮现出"先直走、绕过茶几、再拐弯"的路线；脚下边走边微调，看见猫窜过来顺手让一下——全程不用过脑子。可一旦把这事交给机器人，它得把"我在哪、往哪走、怎么不撞"三件事同时算清楚，缺一不可。而且人还会"将心比心"：你知道椅子不会自己跑，却会提防一个正低头看手机走过来的人；机器人没有这种生活常识，它得用纯粹的传感器和计算，把这件你闭着眼都能做的事，重新学一遍。
这一篇，我们就来拆开看：机器人是怎么从 A 走到 B 的。
第一步：知道"我在哪"
机器人没有"天生知道自己在哪"的超能力。你可能想：装个 GPS 不就行了？可 GPS 到了室内、隧道、地下车库就基本失灵——信号被墙挡住，找不到卫星。所以机器人得靠自己身上的传感器，边走边画地图、边定位自己。
这背后有个直觉，我们在第 8 篇《深度与三维：机器人怎么知道"多远"》里提过。那篇讲 SLAM（同步定位与建图）时说，机器人用激光雷达或摄像头，不断测量"前方墙离我多远、左边门框在哪"，再把一次次的观测拼起来。你可以把它想象成在漆黑山洞里举着手电走：手电每次只能照亮眼前一小片，你每走几步，就把新看到的那块岩壁，悄悄画进脑中的洞穴草图里；同时，你也能从"这块石头我刚见过"反推出"我大概走到哪了"。SLAM 干的就是这件事——一边认路，一边记下自己走到了哪，名字吓人，核心就这一句。而且这套活儿是反复做的：每看到一个熟悉的墙角，就校准一次位置；每走一段，就补全一段地图，地图越画越全，定位也越来越准。
定位准了，机器人才算有了"出发的坐标"。坐标要是飘了，后面规划得再漂亮也是白搭——就像你明明站在客厅，脑子里却以为自己在厨房，那往哪走都是错。这也是为什么扫地机偶尔会原地转一小圈"重新认认门"——它发现眼前画面和地图对不上，就停下来重新校准，免得越走越偏。
第二步：知道"哪里好走、哪里别去"
光知道自己在哪还不够。人看地图会本能地想"这条路近但堵车，那条绕远但顺畅"。机器人也得给环境打打分。
它脑子里存着一张"代价地图"：把地面切成一格一格，给每格标上一个"难走程度"。平地是低分，畅通无阻；地毯稍高一点，轮子容易打滑；台阶、门槛直接高到离谱，意思基本是"别来"。甚至一摊水渍、一片拥挤的人群，也会被临时标成高分——谁也不想碾过水坑或撞进人堆。这样一来，"哪里好走、哪里别去"就变成了一张带分数的图，后面的规划才有依据。
你可以把代价地图想成一张"舒服度热力图"：颜色越冷（分越低）越好走，越暖（分越高）越要绕着走。它和普通地图最大的不同，是普通地图只告诉你"路在哪"，代价地图还告诉你"哪条路走起来最省心"。而且代价地图是能随时更新的：扫地机刚才撞了一下桌腿，就会把那附近悄悄调高几分，下次乖乖绕着走。代价地图还有一个妙处：它把"好不好走"压成了一个个数字，规划时谁分低就走谁，机器人不必真的去撞一下才长记性。
第三步：规划一条"不撞、不绕远、好走"的路
有了坐标，也有了打分的地图，接下来就是找路。
直觉上分两层。先看全局：从 A 到 B 大概走哪条"主干道"最顺？机器人会在那张代价地图上，从起点朝终点扫一遍，挑一条总分最低、也就是最省力不绕远的路线——就像你出门前先想好"走大路还是穿小巷"。这层规划冷静、周全，但它假设世界在规划那一刻是静止的，所以稍微有点"慢节拍"。
然后再看脚下：真走起来，眼前突然多了把椅子，就得局部避开，别硬撞。这里不聊复杂公式，你只要记住一句话——好规划是"先定大方向，再躲眼前坑"。举个生活的例子：你从工位去茶水间，先决定走走廊主路（这是全局），路上有人挡道再侧个身挤过去（这是局部）。机器人用同样的分工，既不会困在眼前的小障碍里钻牛角尖，也不会因为只盯大局而撞上鼻尖前的桌子。全局定好主干，局部负责微调，两层配合，路线才既不傻绕、也不撞墙。
不过光会规划还不够。世界是动的：刚才畅通的过道，下一秒可能有人推着车过来；你以为空着的电梯口，转眼就堵了。规划出的路，是"计划"，不是"保证"。这就要靠下一步来兜底。
第四步：边走边让，实时避障
这就到了最考验功夫的环节：实时避障。
想象你正沿着计划好的路线走，突然一个孩子从拐角冲出来。你不会停下来重算整张地图，而是脚下一错、身子一偏，先让开再说——这种"来不及细想、先就地微调"的反应，正是实时避障。机器人也一样：它持续盯着周围，一旦发现逼近的障碍，就在原路线旁边做局部修正，绕开再回到主干道。它像在身体周围撑起一个无形的"安全气泡"，气泡快碰到东西就自动往反方向挪一点；如果障碍只是路过，气泡缩回去，它又贴回原路线；如果障碍赖着不走，局部规划才会向全局告急，请上层重新选路。这整个过程快到肉眼几乎看不出它在犹豫——这正是"实时"二字的分量：不是停下拉长脑子想，而是一边走一边把路让出来。
这和第 19 篇《行走与平衡》里讲的一脉相承。那篇说，机器人走路不只是迈腿，更要时刻维持动态平衡——遇到突发扰动，身体得自己稳住、脚步得自己调顺，才不至于摔。导航里的"边走边躲"，本质就是这种动态维持能力，被搬到了更宏观的尺度上：不只是稳住身体不倒，还要稳住"整条路线不被撞"。行走是脚下的平衡，避障是路线上的平衡，根子上是同一套"边动边稳"的功夫。
收束：导航是感知、思考、行动的最日常样子
把上面的串起来：导航 = 知道自己在哪里（定位）+ 知道哪里好走（地图与代价图）+ 边走边躲（规划加实时避障）。这三步合在一起，恰好是具身智能里"感知—思考—行动"闭环最朴素、也最日常的体现——眼睛和传感器在感知，大脑在思考路线，腿脚在行动，而且三者一刻不停地在互相呼应：感知到新障碍，思考立刻重排路线，行动马上让开，再贴回去。
下次你看见扫地机器人绕着拖鞋走、仓储里的搬运小车在货架间穿梭，就知道背后跑着的就是这一整套逻辑。它不需要多聪明，但必须把这"三件套"做得又稳又快。而对我们来说，能稳稳"从 A 走到 B"，只是机器人真正干活的前半程——走到了，还得伸手把事办了。
读后小测
「3 句话复述」 1. 机器人靠自身传感器边走边定位，GPS 在室内和隧道里会失灵，所以它得像摸墙认路一样自己拼出"我在哪"。 2. 它用代价地图给每块地打"难走分"，再规划一条不撞、不绕远、好走的路，但世界在动，计划不是保证。 3. 遇到突发的障碍，机器人会做局部微调边走边让，导航其实就是"知道在哪加知道哪好走加边走边躲"的感知思考行动闭环。
「1 件动手小事」 今天在家或办公室走一段路时，刻意留意一下自己：你是怎么知道"现在站在哪"的？又是怎么提前绕开椅子、人和门槛的？把你下意识做的这几步写下来，对照文章看看，机器人用的正是同一套思路——只是把你的直觉换成了传感器和打分地图。
下一回，第 32 篇《灵巧手与精细操作：为什么五指手这么难》：你会看到"走到位"只是前半程，真正功夫在伸手把东西稳稳拿起来、在手里调顺。