简介：这份资源是华南理工大学2021年智能机器人课程期末作业的完整实现包，面向正在学习机器人避障、Webots仿真与控制编程的本科生及自学者，帮助其在无硬件条件下完成从环境感知到路径规划的全流程实践。压缩包共7个文件，约12KB，以5个Python控制脚本为核心，配合1个Webots世界文件与1份说明文档，分别承担传感器数据处理、避障决策逻辑、仿真场景搭建与运行指引等职责。内容围绕超声波或激光雷达模拟、障碍物检测、基于阈值的转向策略以及A*、Dijkstra、模糊逻辑等路径规划思路展开，并涉及性能评估与响应优化。目前已有182人学习，适合作为课程作业参考、避障算法入门模板与Webots二次开发起点，读者可据此快速理解仿真环境下的控制程序结构并复现简易避障效果。
1. 从一份课程作业说起：Webots 里跑通避障到底要几步
很多人第一次打开 Webots，是被它自带的那个 e-puck 示例震住的：机器人自己绕开箱子，走得有模有样。但真到自己从零搭一个避障场景，问题就来了——传感器怎么加、控制器怎么挂、阈值怎么定、为什么机器人贴着墙原地打转。这份华南理工大学 2021 年智能机器人课程的期末作业，标题写得很朴素：基于 Webots 平台的简易智能机器人避障算法实现。它要解决的核心问题其实就一个：在一个三维仿真环境里，让机器人靠自身传感器感知障碍物，并实时做出转向决策，全程不撞墙、不卡死。
适合读这篇的人有三类：正在做 Webots 仿真课程作业的学生，想用仿真验证避障算法再上真机的工程师，以及需要快速搭一个机器人行为验证环境的人。避障算法本身不复杂，难的是把仿真环境、传感器模型、控制循环这三样东西串起来，让它们在同一套坐标系和时间步里正常工作。下面按我实际搭过一遍的顺序，把每个环节拆开讲。
2. Webots 场景搭建：从零建一个能跑避障的世界
2.1 为什么选 Webots 而不是纯代码仿真
避障算法的验证，最怕的是仿真环境和真实物理差距太大。纯 Python 写的二维栅格仿真跑得飞快，但传感器模型是理想化的，距离值没有噪声、没有角度偏差，算法在仿真里 100% 成功，换到真机或三维仿真里立刻翻车。Webots 的优势在于它内置了物理引擎和传感器噪声模型，距离传感器返回的值带随机扰动，电机有加减速过程，碰撞有真实的物理响应。这意味着你在 Webots 里调好的阈值，搬到真机上虽然不能直接用，但至少不会出现数量级上的偏差。
另一个实际原因是 Webots 的场景文件是纯文本的 .wbt 格式，节点树结构清晰，改传感器位置、改机器人尺寸都可以直接编辑文本，不需要在 GUI 里反复拖拽。对于要反复调参数的避障算法来说，这一点省很多时间。
2.2 搭建最小可跑场景的完整步骤
先创建一个空世界，然后按下面的顺序添加节点。Webots 的节点树是层级结构，机器人必须作为 Robot 节点存在，传感器作为 Robot 的子节点。
第一步，新建世界文件，设置基本物理参数：
# world.wbt 关键配置 WorldInfo { basicTimeStep 32 # 仿真步长，单位毫秒 gravity 0 # 地面机器人不需要重力 }basicTimeStep 设为 32 是 Webots 官方示例的常用值，对应约 31 Hz 的控制频率。这个值直接影响后面控制循环的节奏，设太小仿真跑得慢，设太大传感器数据更新不及时，机器人会反应迟钝。
第二步，添加机器人节点。用 RectangleArena 做地面，然后插入一个 Robot 节点，给它配一个 Body 形状（比如 Box），再挂两个电机：
Robot { children [ Shape { geometry Box { size 0.2 0.2 0.1 } } HingeJoint { jointParameters HingeJointParameters { axis 0 0 1 } device [ RotationalMotor { name "left wheel" } ] } HingeJoint { jointParameters HingeJointParameters { axis 0 0 1 } device [ RotationalMotor { name "right wheel" } ] } ] }差速驱动是两个轮子独立控制，左轮和右轮的速度差决定转向。这是避障算法最常用的底盘形式，因为控制逻辑简单：直走时两轮同速，转向时差速。
第三步，添加距离传感器。在 Robot 的 children 里加 DistanceSensor 节点，一般前向布置 3 到 8 个：
DistanceSensor { name "ds_front" translation 0.1 0 0.05 rotation 0 0 1 0 lookupTable [ 0 0 0, 0.5 500 0, 1 1000 0 ] type "infra-red" }lookupTable 定义了传感器原始值和实际距离的映射关系。Webots 的距离传感器返回的是一个无量纲值，通过 lookupTable 转成米。type 选 infra-red 模拟红外测距，噪声比 laser 大，更接近低成本避障机器人的真实情况。
2.3 传感器布局与参数怎么定
传感器数量和角度决定了避障的“视野”。太少会漏检侧面障碍，太多会增加计算量且互相干扰。我一般用 5 个前向传感器，角度分布为 -60°、-30°、0°、30°、60°，覆盖前方 120° 范围。每个传感器的 lookupTable 上限设到 1 米，因为避障只需要关心近处障碍，远处信息对转向决策没有帮助。
注意：DistanceSensor 的 lookupTable 必须单调递增，否则 Webots 会报错。如果传感器朝向地面，要确保地面不在检测范围内，否则会一直返回近距离值。
3. 避障算法实现：从传感器读数到轮速指令
3.1 阈值法避障的逻辑与参数选择
最简易的避障算法是阈值法：当某个方向的距离小于阈值时，执行对应的转向动作。逻辑简单到可以用几行伪代码写完，但参数选择直接决定效果。
核心参数有三个：安全距离、转向速度和基础速度。安全距离一般设为机器人半径加 0.1 到 0.2 米。假设机器人宽 0.2 米，安全距离设 0.3 米比较合适。太小会撞，太大会导致机器人在空旷处也频繁转向。转向速度决定避障的果断程度，设为基础速度的 1.5 到 2 倍。基础速度不能太高，否则传感器来不及反应，一般设 3 到 5 rad/s。
3.2 控制器代码：从读取传感器到输出轮速
Webots 的控制器可以用 C、C++、Python、Java 写。Python 上手最快，适合快速验证算法。下面是一个完整的阈值法避障控制器：
from controller import Robot robot = Robot() timestep = int(robot.getBasicTimeStep()) # 获取5个距离传感器 sensors = [] for name in ["ds_front", "ds_left", "ds_right", "ds_far_left", "ds_far_right"]: s = robot.getDevice(name) s.enable(timestep) sensors.append(s) # 获取左右电机 left_motor = robot.getDevice("left wheel") right_motor = robot.getDevice("right wheel") left_motor.setPosition(float('inf')) right_motor.setPosition(float('inf')) # 参数 SAFE_DIST = 0.3 # 安全距离，单位米 BASE_SPEED = 4.0 # 基础速度，单位rad/s TURN_SPEED = 6.0 # 转向速度 while robot.step(timestep) != -1: # 读取传感器值，lookupTable已转为米 front = sensors[0].getValue() left = sensors[1].getValue() right = sensors[2].getValue() far_left = sensors[3].getValue() far_right = sensors[4].getValue() # 避障决策 if front < SAFE_DIST: # 正前方有障碍，原地右转 left_motor.setVelocity(TURN_SPEED) right_motor.setVelocity(-TURN_SPEED) elif left < SAFE_DIST: # 左侧有障碍，右转 left_motor.setVelocity(TURN_SPEED) right_motor.setVelocity(BASE_SPEED * 0.3) elif right < SAFE_DIST: # 右侧有障碍，左转 left_motor.setVelocity(BASE_SPEED * 0.3) right_motor.setVelocity(TURN_SPEED) else: # 无障碍，直行 left_motor.setVelocity(BASE_SPEED) right_motor.setVelocity(BASE_SPEED)这段代码的逻辑是：每个控制周期读取 5 个传感器的距离值，按优先级判断。正前方最近，优先级最高，执行原地转向；左右两侧次之，执行差速转向；都没有障碍则直行。setPosition(float('inf')) 把电机设为速度控制模式，这是差速驱动的标准做法。
参数说明：SAFE_DIST 设 0.3 米是经验值，实际要根据机器人尺寸和传感器安装位置微调。BASE_SPEED 设 4.0 rad/s 对应轮子线速度约 0.4 m/s（假设轮半径 0.1 米），这个速度下传感器每 32 毫秒更新一次，机器人每周期移动约 1.3 厘米，有足够的反应时间。
3.3 从阈值法到加权法：平滑转向的实现
阈值法的问题是转向动作突变，机器人会一顿一顿地走。改进方案是加权法：把每个传感器的读数乘以一个权重，求和后映射到左右轮速差。这样转向是渐变的，运动更平滑。
# 加权法核心逻辑 weights = [-2.0, -1.0, 0, 1.0, 2.0] # 左到右的权重 sensor_values = [s.getValue() for s in sensors] # 计算转向量：距离越小权重越大 turn = 0 for i, val in enumerate(sensor_values): if val < SAFE_DIST: turn += weights[i] * (SAFE_DIST - val) # 映射到轮速 left_speed = BASE_SPEED - turn * 0.5 right_speed = BASE_SPEED + turn * 0.5 # 限幅 left_speed = max(-TURN_SPEED, min(TURN_SPEED, left_speed)) right_speed = max(-TURN_SPEED, min(TURN_SPEED, right_speed)) left_motor.setVelocity(left_speed) right_motor.setVelocity(right_speed)加权法的关键是权重分配。左侧传感器给负权重，右侧给正权重，这样左侧有障碍时 turn 为负，左轮减速右轮加速，机器人向右转。权重绝对值越大，转向越敏感。我一般把最外侧传感器的权重设为中间的两倍，因为侧面障碍需要更早响应。
4. 避坑与排查：避障算法调参中最容易翻车的五个地方
4.1 机器人原地打转不前进
现象：机器人遇到障碍后转向，但转过去又转回来，反复摆动，始终无法绕过障碍。
原因：安全距离设得太大，或者转向速度不够。机器人转过去之后，另一侧的传感器又检测到障碍，触发反向转向。本质上是因为避障逻辑只考虑了“有障碍就转”，没有考虑“转多少度能绕开”。
解决：把安全距离从 0.3 降到 0.2，同时提高转向速度到基础速度的 2 倍。更根本的办法是加入“转向保持”逻辑：一旦开始转向，至少保持 0.5 秒再重新判断，避免高频振荡。
4.2 传感器读数一直是最大值
现象：所有距离传感器返回值都是 lookupTable 的上限，机器人以为前方永远无障碍，直接撞墙。
原因：lookupTable 配置错误，或者传感器朝向不对。常见的是 rotation 参数设错，传感器没有朝向正前方。另一个可能是传感器的 aperture 太小，红外光束没有覆盖到障碍物。
解决：在 Webots GUI 里选中传感器，查看它的检测锥角。把 aperture 设到 0.5 以上，rotation 确保 Z 轴朝上、X 轴指向检测方向。然后用一个简单测试：在机器人正前方放一个箱子，看传感器值是否变化。
4.3 仿真跑着跑着机器人穿模
现象：机器人直接穿过障碍物，物理引擎没有检测到碰撞。
原因：basicTimeStep 设得太大，或者障碍物的 boundingObject 没有配置。Webots 的碰撞检测依赖 boundingObject，如果只加了 Shape 没加 boundingObject，物体在物理上是“透明”的。
解决：每个障碍物节点都要加 boundingObject，通常直接复用 Shape 的 geometry。basicTimeStep 不要超过 64，否则高速运动时可能跳过碰撞检测。
4.4 控制器启动时报找不到设备
现象：运行控制器时抛出异常，提示 getDevice 返回 None。
原因：控制器里写的设备名称和场景树里的 name 字段不一致。Webots 对名称大小写敏感，多一个空格都会导致找不到。
解决：在场景树里逐个核对设备名称，确保控制器里的字符串和场景文件里的 name 完全一致。建议在控制器开头加一段打印所有设备名称的代码，方便排查。
4.5 避障成功但路径极其低效
现象：机器人能避开所有障碍，但走的路弯弯曲曲，明明直走能过的空隙它非要绕大圈。
原因：传感器检测范围太宽，把侧面远处的障碍也纳入了避障决策。或者安全距离太大，机器人对“擦肩而过”的障碍也做出反应。
解决：缩小传感器的检测角度，只保留前方 90° 范围。安全距离按机器人实际宽度加 0.1 米来设，不要凭感觉。如果场景里障碍物稀疏，可以加入“直行优先”逻辑：只有当障碍物在前进路径上时才转向，侧面障碍不触发避障。
5. 进阶技巧：用状态机让避障行为更像“有脑子”
阈值法和加权法本质上都是反应式的，机器人没有记忆，每个控制周期独立决策。这会导致一些看起来“很蠢”的行为，比如在同一个障碍前反复犹豫。加入一个简单的状态机，就能让避障行为连贯很多。
状态机定义三个状态：直行、转向、恢复。直行状态下正常前进；当检测到障碍时进入转向状态，记录转向方向；转向持续固定时间后进入恢复状态，沿新方向直行一小段；恢复状态下如果再次检测到障碍，重新进入转向，否则回到直行。
class AvoidState: FORWARD = 0 TURNING = 1 RECOVER = 2 state = AvoidState.FORWARD turn_direction = 1 # 1右转，-1左转 turn_timer = 0 TURN_DURATION = 15 # 控制周期数，约0.5秒 while robot.step(timestep) != -1: front = sensors[0].getValue() left = sensors[1].getValue() right = sensors[2].getValue() if state == AvoidState.FORWARD: if front < SAFE_DIST: state = AvoidState.TURNING turn_direction = 1 if left > right else -1 turn_timer = 0 else: left_motor.setVelocity(BASE_SPEED) right_motor.setVelocity(BASE_SPEED) elif state == AvoidState.TURNING: left_motor.setVelocity(TURN_SPEED * turn_direction) right_motor.setVelocity(-TURN_SPEED * turn_direction) turn_timer += 1 if turn_timer > TURN_DURATION: state = AvoidState.RECOVER turn_timer = 0 elif state == AvoidState.RECOVER: left_motor.setVelocity(BASE_SPEED) right_motor.setVelocity(BASE_SPEED) turn_timer += 1 if front < SAFE_DIST: state = AvoidState.TURNING turn_direction = 1 if left > right else -1 turn_timer = 0 elif turn_timer > 10: state = AvoidState.FORWARD状态机的关键参数是 TURN_DURATION，它决定机器人每次转向转多久。设太短，转不过去；设太长，转过头。我一般从 15 个控制周期开始试，对应约 0.5 秒，然后根据机器人实际转向角度调整。如果机器人转 90° 需要 0.8 秒，就把 TURN_DURATION 设到 25 左右。
验证状态机是否生效，最简单的办法是在 Webots 里打开机器人的轨迹显示，观察路径是否比纯阈值法更平滑。另一个办法是记录每次状态切换的时间戳，看转向和恢复的节奏是否合理。如果发现机器人在 RECOVER 状态频繁切回 TURNING，说明 TURN_DURATION 太短，需要加长。
我自己的习惯是先把状态机的三个状态用打印语句标出来，跑一遍看日志，确认状态切换逻辑符合预期，再去调速度参数。这样能把逻辑问题和参数问题分开排查，省很多时间。希望帮到你。
本文还有配套的精品资源，点击获取
