🙋
什么是"势能场法"？机器人像磁铁一样被吸引或排斥吗？
🎓
大致上是这个意思。我们把目标看作"吸引源"，障碍物看作"排斥源"，创建一个虚拟的"场"。机器人在这个场中下坡般地向目标前进。这个模拟器中，通过上面的滑块调节"吸引系数"和"排斥系数"，可以立即看到场的形状如何变化。
🙋
但是，如果只是下坡，机器人不就能穿过障碍物旁边吗？怎样避免的呢？
🎓
很好的观察。障碍物周围设置排斥力创建的"小山"。例如，"排斥影响半径"越大，小山越向外扩展。机器人不想爬山，所以自然会选择绕过的路线。在模拟器中实际增大障碍物半径试试，就能清楚看到机器人的路径怎样变化。
🙋
明白了！但我听说有"局部极小值"会使机器人卡住，能在模拟器中看到吗？
🎓
当然可以。试试把终点放在U形障碍物的正中央。吸引力和排斥力平衡后，机器人会被困在目标前面的"谷底"。这就是势能场法最大的弱点。本工具有"RRT（随机扩展树）"比较功能，可以体验两种方法的差异。
排斥势能增益（k_rep）太低，或障碍物影响范围（d0）太小。在模拟器参数面板中增大这些值。另外，如果机器人移动速度过快也容易碰撞。
这是一项自动检测吸引力和排斥力平衡、机器人无法到达终点而停止的"局部极小值"状态的功能。检测到时屏幕会显示警告，模拟器会用简易RRT比较功能提议另一条路线。可以加入随机扰动尝试逃脱，或改变障碍物位置。
颜色表示各位置的势能高度。用蓝（低）→绿→黄→红（高）的渐变显示。机器人避开红色区域（高势能），向蓝色区域（低势能）移动。终点周围最蓝，障碍物周围最红。
不一定。RRT虽然因为随机探索不容易陷入局部极小值，但生成的路径可能不光滑。势能场法生成光滑路径但容易陷入局部极小值。推荐比较两者结果，根据情况选择。
自主搬运机器人（AGV/AMR）：在工厂或仓库中，把人、其他机器人和货架当作障碍物，实时规划货物搬运路径。计算量小的优点让机载计算机也能快速更新路径。
无人机自动飞行：绕过建筑物和电线等固定障碍物，飞往指定地点。可将风等外力虚拟地作为排斥力加入模型。
机械臂轨迹规划：避免机械臂自身或被持物与环境或其他机器碰撞，规划光滑轨道。
空间碎片避撞轨道初期设计：在航天器轨道规划中，把碎片当作排斥源定义势能场，快速筛选安全轨道候选。最后用精确轨道力学模型验证。
首先，别以为"系数越大性能越好"。例如，排斥系数$k_{rep}$ 过大会使障碍物周围的斥力"山"太陡峭，机器人会振动或无法通过狭窄通道。同样，吸引系数$k_{att}$ 过强会强行通过障碍物附近，提高碰撞风险。平衡最重要，比如宽敞通道可从$k_{att}=1.0, k_{rep}=0.5$开始，狭窄通道则减小排斥影响范围$d_0$等根据情况调节。
其次，别误会"计算快就能轻易实时更新"。虽然单步计算确实快，但机器人陷入局部极小值会进入"无限循环"。实装时必须设定最大步数，或机器人不动时加入小的随机扰动等安全机制。
最后，本模拟器用的"点质量"模型过于理想化。实机有大小和形状。例如规划60cm宽搬运机器人时，应把机器人半径加上障碍物半径视为"膨胀障碍物"。在模拟器中把障碍物设大来试验，能直观体会这种思路。