同步中英文README与当前工程结构，并整理文档目录与构建忽略规则

Co-authored-by: Cursor <cursoragent@cursor.com>
2026-08-04 11:31:14 +08:00
parent 097853234f
commit 31ec941b07
9 changed files with 276 additions and 338 deletions
@@ -0,0 +1,50 @@
+{
+  "WheelConfig": {
+    "LeftFront": {
+      "Position": {
+        "X": 525.0,
+        "Y": 200.0
+      },
+      "WheelDistance": 85.0,
+      "AngleLowerLimit": -128.0,
+      "AngleUpperLimit": 172.0,
+      "IsDiffWheel": true
+    },
+    "RightFront": {
+      "Position": {
+        "X": 525.0,
+        "Y": -200.0
+      },
+      "WheelDistance": 85.0,
+      "AngleLowerLimit": -128.0,
+      "AngleUpperLimit": 172.0,
+      "IsDiffWheel": true
+    },
+    "LeftRear": {
+      "Position": {
+        "X": -525.0,
+        "Y": 200.0
+      },
+      "WheelDistance": 85.0,
+      "AngleLowerLimit": -126.0,
+      "AngleUpperLimit": 174.0,
+      "IsDiffWheel": true
+    },
+    "RightRear": {
+      "Position": {
+        "X": -525.0,
+        "Y": -200.0
+      },
+      "WheelDistance": 85.0,
+      "AngleLowerLimit": -130.0,
+      "AngleUpperLimit": 170.0,
+      "IsDiffWheel": true
+    }
+  },
+  "MinimumTurningAngleForAckermann": 60.0,
+  "ControlPointRadius": 500.0,
+  "MaxSpeed": 1.0,
+  "AccPerSecond": 0.3,
+  "DeAccPerSecond": 1.0,
+  "MinTurnSpeedFac": 0.25
+}
@@ -0,0 +1,34 @@
+单个停车机器人轨迹测试方案
+### 测试对象
+单台停车机器人（+50kg负载）
+### 测试曲线
+1. 直线：前进/后退2m、速度0.3m/s、起点终点静止
+2. 转弯：左转/右转组合前进/后退、转弯半径1m、曲率1.0、速度0.3m/s
+3. 原地自转：±90°/±180°、角速度10°/s、20°/s、起点终点静止
+
+### 评价指标
+横向误差 RMSE、最大横向误差；航向误差 RMSE、最大航向误差；速度误差 RMSE、最大速度偏差；
+角速度或转角指令的变化曲线；最终位置误差、最终航向误差
+
+### 展示形式
+理想轨迹与实际轨迹对比图、横向/航向误差随时间变化图、参考速度与实际速度对比图、角速度指令曲线
+
+### LQR调参策略
+归一化状态/控制量：一般Q、R初始选择对应控制量最大值的平方的倒数
+或者使用Bryson’s Rule来给 Q、R 一个很好的初始猜测
+贝叶斯优化在仿真中自动调节Q、R参数
+ALQR：在线估计最新参数实时重新求解
+----------------------------------------
+不调参：学习式
+
+### 杂项
+1. M层获取实际小车的速度信息与位置信息并保存、使用python可视化来量化跟踪误差
+2. 自行车模型改动、过于局限于阿克曼小车的运动学限制
+
+
+先用 Bryson’s Rule + 贝叶斯优化在仿真里把 Q/R 调到一个不错的基准。
+上实车时采用自适应 LQR：在线估计关键参数（尤其是轮胎刚度），实时更新 K。
+C# 实现的话：
+矩阵运算继续用 Math.NET
+贝叶斯优化可以调 Python 库，或者自己写简单版本
+在线参数估计（RLS）用 C# 写很轻松
@@ -0,0 +1,23 @@
+还可以把底盘的失败原因暴露出来：
+/// <summary>
+/// 获取最近一次底盘运动分解失败原因。
+/// </summary>
+public string LastFailureReason =>
+    _chassis.LastMotionDecomposeFailureReason;
+这样调用方可以打印：
+if (!adapter.Send(command))
+{
+    Console.WriteLine(
+        $"底盘命令执行失败：{adapter.LastFailureReason}");
+}
+
+
+需要注意，Detour 差分速度会有噪声，建议在 Python 中：
+按固定频率重新采样。
+对位置做轻微滤波或使用 Savitzky–Golay 求导。
+再计算速度，避免直接逐点差分产生尖峰。
+Stanley 和 LQR 必须使用相同的滤波和采样参数。
+
+
+编译命令：
+powershell -NoProfile -ExecutionPolicy Bypass -File .\build-and-package.ps1