移動這一簡單動作，對于人類來說相當容易，但對機器人而言就變得極為復雜，說到機器人移動就不得不提到路徑規劃，路徑規劃是移動機器人導航最基本的環節，指的是機器人在有障礙物的工作環境中，如何找到一條從起點到終點適當的運動路徑，使機器人在運動過程中能安全、無碰撞地繞過所有障礙物。這不同于用動態規劃等方法求得的最短路徑，而是指移動機器人能對靜態及動態環境作出綜合性判斷，進行智能決策。

總的來說，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。

機器人路徑規劃有全局與局部規劃之分

根據對環境信息的掌握程度不同，機器人路徑規劃可分為全局路徑規劃和局部路徑規劃。

全局路徑規劃是在已知的環境中，給機器人規劃一條路徑，路徑規劃的精度取決于環境獲取的準確度，全局路徑規劃可以找到最優解，但是需要預先知道環境的準確信息，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，因此對機器人系統的實時計算能力要求不高，雖然規劃結果是全局的、較優的，但是對環境模型的錯誤及噪聲魯棒性差。

而局部路徑規劃則環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，這種規劃需要搜集環境數據，并且對該環境模型的動態更新能夠隨時進行校正，局部規劃方法將對環境的建模與搜索融為一體，要求機器人系統具有高速的信息處理能力和計算能力，對環境誤差和噪聲有較高的魯棒性，能對規劃結果進行實時反饋和校正，但是由于缺乏全局環境信息，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。

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

A*與D*機器人路徑規劃算法介紹

在實際情況中，機器人路徑規劃除了考慮已知環境和未知環境地圖，還要考慮到動態和靜態環境下的路徑規劃。

A*（A-Star)算法是一種靜態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路徑規劃當中，只是當環境發生變化時，需要重新規劃路線。

而D*算法則是一種動態啟發式路徑搜索算法，它事先對環境位置，讓機器人在陌生環境中行動自如，在瞬息萬變的環境中游刃有余。D*算法的最大優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。

綜上所述，移動機器人路徑規劃技術已經取得了可觀的成績，但是，在其全局與局部路徑規劃方法中仍然存在諸多不足之處，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。是一種動態啟發式路徑搜索算法，它可以讓機器人在未知環境中行走自如，在環境多變的情況下游刃有余。

審核編輯 黃昊宇