近年來，移動機器人的研究受到了人們的高度重視，人們對于機器人的要求不再局限于簡單的移動，而是希望機器人能夠根據周圍環(huán)境變化采取對應措施，做到自主移動的能力。因此，路徑規(guī)劃作為移動機器人的一個重要因素就顯得尤為重要。

路徑規(guī)劃是指移動機器人能夠規(guī)劃出一條從起始狀態(tài)到目標狀態(tài)的最優(yōu)或近似最優(yōu)的路徑。大致包括信息獲取-感知-通信-決策-控制-執(zhí)行這幾點。

移動機器人路徑規(guī)劃的實現(xiàn)又可分為全局路徑規(guī)劃和局部路徑規(guī)劃：

全局路徑規(guī)劃是指在已知環(huán)境中為機器人規(guī)劃一條路線，路徑規(guī)劃的精度取決于環(huán)境獲取的準確度，全局路徑規(guī)劃可以找到最優(yōu)解，但是需要預先知道環(huán)境的準確信息，當環(huán)境發(fā)生變化，如出現(xiàn)未知障礙物時，該方法就無能為力了。它是一種事前規(guī)劃，因此對機器人系統(tǒng)的實時計算能力要求不高，雖然規(guī)劃結果是全局的、較優(yōu)的，但是對環(huán)境模型的錯誤及噪聲魯棒性差。

而局部路徑規(guī)劃則環(huán)境信息完全未知或有部分可知，側重于考慮機器人當前的局部環(huán)境信息，讓機器人具有良好的避障能力，通過傳感器對機器人的工作環(huán)境進行探測，以獲取障礙物的位置和幾何性質等信息，這種規(guī)劃需要搜集環(huán)境數(shù)據，并且對該環(huán)境模型的動態(tài)更新能夠隨時進行校正，局部規(guī)劃方法將對環(huán)境的建模與搜索融為一體，要求機器人系統(tǒng)具有高速的信息處理能力和計算能力，對環(huán)境誤差和噪聲有較高的魯棒性，能對規(guī)劃結果進行實時反饋和校正，但是由于缺乏全局環(huán)境信息，所以規(guī)劃結果有可能不是最優(yōu)的，甚至可能找不到正確路徑或完整路徑。

全局路徑規(guī)劃和局部路徑規(guī)劃并沒有本質上的區(qū)別，很多適用于全局路徑規(guī)劃的方法經過改進也可以用于局部路徑規(guī)劃，而適用于局部路徑規(guī)劃的方法同樣經過改進后也可適用于全局路徑規(guī)劃。兩者協(xié)同工作，機器人可更好的規(guī)劃從起始點到終點的行走路徑。

在實際情況中，機器人路徑規(guī)劃除了考慮已知環(huán)境和未知環(huán)境地圖，還要考慮到動態(tài)和靜態(tài)環(huán)境下的路徑規(guī)劃。

A*（A-Star)算法是一種靜態(tài)路網中求解最短路徑最有效的直接搜索方法，也是解決許多搜索問題的有效算法。算法中的距離估算值與實際值越接近，最終搜索速度越快。但是，A*算法同樣也可用于動態(tài)路徑規(guī)劃當中，只是當環(huán)境發(fā)生變化時，需要重新規(guī)劃路線。

而D*算法則是一種動態(tài)啟發(fā)式路徑搜索算法，它事先對環(huán)境位置，讓機器人在陌生環(huán)境中行動自如，在瞬息萬變的環(huán)境中游刃有余。D*算法的最大優(yōu)點是不需要預先探明地圖，機器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調整。

從目前的研究成果來看，移動機器人路徑規(guī)劃已取得了豐碩的成果，但在全局與局部路徑規(guī)劃方法中仍有諸多不足之處，為此，國內已有針對這類算法的改進，例如思嵐科技的SLAMWARE模塊化自主定位導航，SLAMWARE內采用改良的D*算法進行路徑規(guī)劃，這也是美國火星探測器采用的核心尋路算法。是一種動態(tài)啟發(fā)式路徑搜索算法。該算法的最大優(yōu)點在于不需要預先探明地圖，機器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調整。
責任編輯：haq