基於影像與基於位置的伺服

視覺伺服——靠一路即時相機畫面來引導機器人——有兩種風格，區別在於機器人是在哪裡來度量自己的誤差。基於影像的伺服（IBVS）直接在那張平面畫面裡工作：它看角點或小點這類特徵此刻出現在影像中的位置，和任務完成時它們應該出現的位置，然後移動去縮小這個像素上的差距，根本不去把真實的三維佈局完整地重建出來。基於位置的伺服（PBVS）則反其道而行：它先用影像把東西在真實三維空間裡實際所處的位置重建出來——物體完整的位置和朝向——再在那個物理空間裡規劃一段運動，去到達目標位姿。

打個家常的比方：你想把車停到某個位置，好讓一棵特定的樹正好佔據你後視鏡裡的某個點。基於影像的做法，是一邊開一邊只盯著後視鏡，慢慢挪，直到那棵樹正好落在鏡子裡它該在的地方——你從不計算車的座標，你只是去對上那幅畫面。基於位置的做法，則是先算出「這棵樹在我身後三米、偏右一米」，再把你真實的位置開到那個算出來的點上。兩種辦法都能把車停好；它們只是在「該用畫面來想，還是用真實世界來想」這件事上意見不同。

這裡的取捨是實實在在的。基於影像的伺服很穩健，因為它從不去依賴脆弱的完整三維重建——相機標定上的小誤差幾乎傷不到它——但它在真實空間裡走出的路徑可能會繞得有些古怪，因為它只最佳化那幅畫面。基於位置的伺服在真實世界裡給出乾淨、可預測的運動，也便於推理，但它得仰仗準確的標定和位姿估計，所以一旦重建出錯，機器人就會信心十足地開到錯誤的地方去。許多實用系統會把兩者糅合起來，以兼得雙方的長處。