先上总图，熟悉一下路径规划的分类和各种算法的分类。

基于图的搜索算法：

计算复杂度与机器人自由度成指数关系, 不适合于解决高自由度机器人在复杂环境中的规划, 而且都不适合于解决带有微分约束。

基于采样的方法：

适合于解决高自由度机器人在复杂环境下的运动规划问题。机械臂的路径规划问题是不是属于这种？

主要算法的提出过程：

1990：RPP(randomized potential planner)  ： 用于克服人工势场法存在的局部极小和在高维姿态空间中规划时存在的效率问题。主要问题是启发式势场函数选择的随意性对其性能影响较大, 特别是局部极小区域较多时, 算
法难以取得较好的效果.

1994：PRM (probabilistic road map) ：第1 个真正意义上解决高维空间复杂运动规划问题的随机方法，分为采样和查询两个阶段。其对于存在运动动力学约束的系统, 采样点的连接将是复杂的非线性问题。

1998：RTT(rapidly-ex plo ring random tree)：RRT s 方法与PRM 方法有着本质的不同, 它不需要构建路标图的预处理过程, 而是遵循控制理论的系统状态方程xa= f ( x , u) , 在控制量的作用下增量式地产生新状态直至到达目标,满足系统运动动力学约束方面的要求.

参考文献：

移动机器人运动规划研究综述，刘华军

https://zhuanlan.zhihu/p/51372134

基于随机采样的运动规划综述， 唐华斌

推荐一个b站的课程：https://www.bilibili/video/BV1HK4y187sk?p=16

    先上总图，熟悉一下路径规划的分类和各种算法的分类。

基于图的搜索算法：

计算复杂度与机器人自由度成指数关系, 不适合于解决高自由度机器人在复杂环境中的规划, 而且都不适合于解决带有微分约束。

基于采样的方法：

适合于解决高自由度机器人在复杂环境下的运动规划问题。机械臂的路径规划问题是不是属于这种？

主要算法的提出过程：

1990：RPP(randomized potential planner)  ： 用于克服人工势场法存在的局部极小和在高维姿态空间中规划时存在的效率问题。主要问题是启发式势场函数选择的随意性对其性能影响较大, 特别是局部极小区域较多时, 算
法难以取得较好的效果.

1994：PRM (probabilistic road map) ：第1 个真正意义上解决高维空间复杂运动规划问题的随机方法，分为采样和查询两个阶段。其对于存在运动动力学约束的系统, 采样点的连接将是复杂的非线性问题。

1998：RTT(rapidly-ex plo ring random tree)：RRT s 方法与PRM 方法有着本质的不同, 它不需要构建路标图的预处理过程, 而是遵循控制理论的系统状态方程xa= f ( x , u) , 在控制量的作用下增量式地产生新状态直至到达目标,满足系统运动动力学约束方面的要求.

参考文献：

移动机器人运动规划研究综述，刘华军

https://zhuanlan.zhihu/p/51372134

基于随机采样的运动规划综述， 唐华斌

推荐一个b站的课程：https://www.bilibili/video/BV1HK4y187sk?p=16