參考：
路徑規劃概述
a* 演算法
d* 演算法
路徑規劃主要涉及這3大問題：
①明確起點位置及終點;
②規避障礙物；
③盡可能的做到路徑上的優化。
全域性路徑規劃是在已知的環境中，給機械人規劃一條路徑，路徑規劃的精度取決於環境獲取的準確度，全域性路徑規劃可以找到最優解，但是需要預先知道環境的準確資訊，當環境發生變化，如出現未知障礙物時，該方法就無能為力了。它是一種事前規劃，因此對機械人系統的實時計算能力要求不高，雖然規劃結果是全域性的、較優的，但是對環境模型的錯誤及雜訊魯棒性差。
區域性路徑規劃環境資訊完全未知或有部分可知，側重於考慮機械人當前的區域性環境資訊，讓機械人具有良好的避障能力，通過感測器對機械人的工作環境進行探測，以獲取障礙物的位置和幾何性質等資訊，這種規劃需要蒐集環境資料，並且對該環境模型的動態更新能夠隨時進行校正，區域性規劃方法將對環境的建模與搜尋融為一體，要求機械人系統具有高速的資訊處理能力和計算能力，對環境誤差和雜訊有較高的魯棒性，能對規劃結果進行實時反饋和校正，但是由於缺乏全域性環境資訊，所以規劃結果有可能不是最優的，甚至可能找不到正確路徑或完整路徑。
a*（a-star)演算法是一種靜態路網中求解最短路徑最有效的直接搜尋方法，也是解決許多搜尋問題的有效演算法。演算法中的距離估算值與實際值越接近，最終搜尋速度越快。但是，a*演算法同樣也可用於動態路徑規劃當中，只是當環境發生變化時，需要重新規劃路線。
d* 演算法是一種動態啟發式路徑搜尋演算法，它事先對環境位置，讓機械人在陌生環境中行動自如，在瞬息萬變的環境中游刃有餘。d*演算法的最大優點是不需要預先探明地圖，機械人可以和人一樣，即使在未知環境中，也可以展開行動，隨著機械人不斷探索，路徑也會時刻調整。
機械人 「A D 路徑規劃演算法」講解
在路徑規劃的研究中，最典型的方法就是a 搜尋演算法，其將地圖空間劃分成大小相等的柵格，然後根據環境地圖障礙物資訊來生成每個柵格的代價值從而構成代價地圖。a 演算法就是利用啟發式函式快速地在狀態空間進行搜尋，找到一條連通起點柵格和目標柵格且代價值最小的路徑。a 演算法假設搜尋過程中地圖環境資訊不發生任...
移動機械人路徑規劃總結
先上總圖，熟悉一下路徑規劃的分類和各種演算法的分類。計算複雜度與機械人自由度成指數關係,不適合於解決高自由度機械人在複雜環境中的規劃,而且都不適合於解決帶有微分約束。適合於解決高自由度機械人在複雜環境下的運動規劃問題。機械臂的路徑規劃問題是不是屬於這種？主要演算法的提出過程 1990 rpp ran...
動態規劃解決機械人網格路徑問題！
想獲得更好的排版，請移步個人部落格 題目 原題見 leetcode 62.不同路徑 乙個機械人位於乙個 m x n 網格的左上角 起始點在下圖中標記為 start 機械人每次只能向下或者向右移動一步。機械人試圖達到網格的右下角 在下圖中標記為 finish 問總共有多少條不同的路徑？示例 1 輸入 ...