先感知，再修正
想象你在一条笔直的路上开车。你不会把方向盘打到某个精确的角度、锁死双臂、然后听天由命。你会瞥一眼车道，发现自己在往左偏，就向右轻推，再瞥一眼，再推回来。你每秒钟都在跑一个小小的回路：看自己在哪里，和想去的地方比一比，然后做出微小的修正。路可能弯弯曲曲，车可能往一边拽，你却始终能保持居中——因为你一直在检查自己转向的结果。
温控器也是一样。它不会把加热器开固定的几分钟；它测量室温，和你设定的数值比较，然后相应地开关加热。你往杯子里倒水到某条刻度线时，你的手也是这样：你盯着水位上升，快到时就放缓。这个模式——感知、比较、行动、重复——是机器人控制中最重要的一个观念，本主线后面的一切都建立在它之上。
每秒运行许多次的回路
当工程师把那种习惯变成机器自己会做的事，他们称之为反馈控制：机器人把自身动作的结果反馈回它对下一步该怎么做的决定里。这不再是一条单向的指令——“电机，转到这里”——而是动作和测量构成了一个圆环。系统的输出绕回来，影响下一次的输入。这个圆环就是反馈回路，给它起这个名字正是本指南的核心。
关键的细节在于它转得有多快。一个人开车转向，大约每秒闭合这个回路几次。而一个机器人关节通常每秒闭合它几百次甚至几千次。每一圈都是同样的三拍——测量你在哪里，算出你偏了多远，发力去缩小差距——只是它们发生得太快，以至于在我们看来动作平滑而连续。机器人其实只是在用微小而不断的修正，一点一点地逼近它的目标。
每个回路都有的四个部件
把任何一个反馈回路拆开，你都会找到同样的四个部件。一旦你能叫出它们的名字，你几乎能读懂机器人学里的任何一张控制框图，因为它们永远是这四样东西接成一个圆环。
- 设定值：你想到达的地方。这是目标——车道中心、你拨定的室温、你想让关节达到的角度。驱动回路的这一对，参见设定值与误差信号。
- 测量值：你实际所在的位置，由传感器读出。对一个机器人关节来说，这通常是一个旋转编码器在报告真实的角度。没有测量，就没有反馈。
- 误差：设定值减去测量值——你究竟偏了多远，以及朝哪个方向偏。正误差也许意味着“你还没到目标”；负误差则是“你冲过头了”。
- 修正动作：控制器发给执行器的指令——比如给一个直流电机的电压——它被选来缩小误差。误差越大，推得越用力；误差接近零，就放缓。
请注意，误差是回路的核心。控制器所做的一切，都是对那一个数字的反应。最简单又好用的规则就是“按误差成比例地发力”，而整个机器人学里最常见的控制器——你接下来就会遇到的那个——几乎完全是由对误差、以及误差随时间如何变化的巧妙反应方式搭起来的。
为什么这胜过一条固定指令
要体会回路为什么重要，想象一个必须把手臂保持水平的电机。盲目的做法是发一条固定指令：“施加恰好足够把手臂托在水平位置的力”，然后扬长而去。这就是开环控制——指令发出一次，不做任何检查。在某个一切完美、标定刚好的日子里，它能行。麻烦在于，世界从来没有那么干净。
现在在手臂上靠一个小重物，或者让电机热起来使它推得稍微弱一点，又或者干脆承认你对“恰好足够的力”的猜测略有偏差。那条固定指令对这些一无所知，于是手臂垂了下去，而且一直垂着。一条盲目的、一次性的命令，没有办法察觉自己错了，更别说修正。任何把系统推离目标的东西——多出来的负载、摩擦、一阵风、制造上的小毛病——都叫做扰动，而开环控制对它们全都束手无策。
把回路闭合，故事就完全不同了。手臂一垂，编码器立刻报告出更低的角度，误差变大，控制器自动推得更用力，直到手臂回到水平——然后稳稳托住它，每时每刻都恰好用扰动所要求的那么大的力。它从来不需要事先知道重量、温度或摩擦。它只需要盯着误差并做出反应。这种对比正是开环与闭环控制要讲的内容，也是几乎每一台真实机器人都跑闭环的原因。
后面一切的主干
退一步看，这个回路简单得惊人：一个设定值、一个测量值、一个误差、一个动作，接成一个每秒旋转许多次的圆环。同样的这个圆环，让自动驾驶汽车在车道线之间转向，让无人机顶着一阵风悬停，让一件手术器械稳稳地对抗人手的颤抖。各个部件会变得更精巧，但形状从不改变。
本主线里其余的一切，都是对这个回路某一部分的更深入审视。动作究竟应该如何依赖于误差？这给你PID 控制及其三个项。怎样整定这个反应，使它既坚定又不来回晃？这就是增益与整定和稳定性。当电机已经推到极限、再也推不动时会怎样？这就是饱和与积分饱和。把这个回路的图像装在脑子里，那么上面每一个话题，都会作为你已经理解的东西的一处精修而落地。