来源：机器之心

本文 约 1092 字 ，建议阅读 2分钟。

本文用动画展示了机器人是如何规划路径的。

走机器的路，让你看一下。

在机器人研究领域，给定某一特定任务之后，如何规划机器人的运动方式至关重要。

最近，GitHub 上开源了一个存储库，该库实现了机器人技术中常用的一些路径规划算法，大部分代码是用 Python 实现的。值得一提的是，开发者用 plotting 为每种算法演示了动画运行过程，直观清晰。

项目地址：

https://github.com/zhm-real/PathPlanning

该开源库中实现的路径规划算法包括 基于搜索和基于采样的规划算法 ，具体目录如下图所示：

基于搜索的路径规划算法

基于搜索的路径规划算法已经较为成熟且得到了广泛应用，常常被用于游戏中人物和移动机器人的路径规划。

最佳路径优先搜索算法

Dijkstra 算法

A * 搜索算法

双向 A * 搜索算法

重复 A * 搜索算法

Anytime Repairing A* (ARA*) 搜索算法

实时学习 A * 搜索（LRTA*）算法

实时适应性 A * 搜索（RTAA*）算法

动态 A * 搜索（D*）算法

终身规划 A * 搜索算法

Anytime D * 搜索算法：变动较小

Anytime D * 搜索算法：变动较大

基于采样的路径规划算法

与基于搜索不同，基于采样的路径规划算法不需要显式构建整个配置空间和边界，并且在高维度的规划问题中得到广泛应用。

快速随机搜索树（RRT）算法

目标偏好 RRT 算法

双向快速扩展随机树（RRT_CONNECT）算法

Extended_RRT 算法

动态 RRT 算法

N = 10000 时，rrt * 算法

N = 1000 时，rrt*-Smart 算法

快速行进树（FMT*）算法

N =1000 时，Informed rrt * 算法

Batch Informed 树（BIT*）算法

参考链接：

https://blog.csdn.net/RoboChengzi/article/details/104096663

http://www.chenjianqu.com/show-137.html

—— END ——