docs: add explanation for using KD∈[0,1] to control lateral target (no new KB)

docs/18.md

@@ -0,0 +1,83 @@
+# Frenet 规划器：用 `KD ∈ [0,1]` 控制“从最左到最右”偏移（不新增参数版）
+
+你提的问题非常关键：
+
+- 如果新增 `KB`，会让调参维度变多；
+- 你原本只有 `KJ/KD/KT` 三个权重，最好保持不变。
+
+所以这里给出**不新增 `KB`** 的做法：
+
+- `KD` 继续保留在 `[0,1]`；
+- 但它不再表示“偏移代价权重”，而是表示“横向目标位置（左->右）”；
+- 代价权重仍然只用 `KJ/KD/KT` 这三个参数，形式不变。
+
+---
+
+## `KD` 和 `KB` 的关系
+
+在这个版本里：
+
+- **没有 `KB`**；
+- **`KD` 既是你的第二个调节参数，也是偏移项的权重参数**；
+- 区别是偏移项从“到中心线的距离”改为“到目标横向位置的距离”。
+
+也就是：
+
+- 旧偏移项：`abs(tfp.l[-1])`（永远偏向中心）
+- 新偏移项：`abs(tfp.l[-1] - l_ref)`（可偏左/偏右）
+
+---
+
+## 核心改法
+
+1) 把 `KD` 映射到目标横向位置：
+
+```python
+KD = np.clip(planner_param[1], 0.0, 1.0)
+l_ref = -MAX_ROAD_WIDTH + 2.0 * MAX_ROAD_WIDTH * KD
+# KD=0   -> 最左
+# KD=0.5 -> 居中
+# KD=1   -> 最右
+```
+
+2) 用目标偏差替换原偏移误差：
+
+```python
+raw_bias_error = abs(tfp.l[-1] - l_ref)
+norm_bias_cost = raw_bias_error / (2.0 * MAX_ROAD_WIDTH)
+```
+
+3) 最终加权保持三项结构不变（无 `KB`）：
+
+```python
+KJ = max(0.0, min(1.0, planner_param[0]))
+KD = max(0.0, min(1.0, planner_param[1]))
+sum_w = KJ + KD
+if sum_w > 1.0:
+    KJ /= sum_w
+    KD /= sum_w
+KT = 1.0 - KJ - KD
+
+tfp.cd = norm_jerk_cost
+tfp.cv = norm_speed_cost + norm_acc_cost + norm_progress_cost
+tfp.cf = KJ * tfp.cd + KD * norm_bias_cost + KT * tfp.cv
+```
+
+---
+
+## 关键说明（避免语义混淆）
+
+因为你希望只保留一个 `KD`，那么 `KD` 实际上承担了两层作用：
+
+1. 决定 `l_ref` 在左-中-右哪个位置；
+2. 决定“跟踪这个 `l_ref`”在总代价里的权重。
+
+这在工程上是可用的、也最省参数；如果后续你想把“方向选择”和“跟踪强度”完全解耦，再单独引入第四个参数即可。
+
+---
+
+## 调参建议
+
+- 先固定 `KJ`（如 `0.2`），扫 `KD=0/0.25/0.5/0.75/1.0` 看左右偏置是否符合预期；
+- 若偏置不明显，可降低 `KT`（或提高 `KD`）；
+- 若轨迹抖动，增大 `KJ` 或拉长 `Ti`。