路徑規(guī)劃技術是智能機器人研究領域中的一個核心問題，也是機器人學中研究人工智能問題的一個重要方面，研究路徑規(guī)劃技術的目的是希望未來 的智能機器人能具有感知、規(guī)劃和控制等高層能力：它們能從周圍的環(huán)境中收 集信息，構建一個關于所在環(huán)境的模型，并且利用這個模型來規(guī)劃和執(zhí)行高層任務。

1)幾何法

幾何法是抽取環(huán)境的幾何特征，把自由位姿空間映射到一個 加權圖上，這樣就把原問題轉換成一個簡單的圖搜索問題。基于幾何法的路徑規(guī)劃Z具代表性的是可視圖法和自由空間法(環(huán)境分割法)。該方法適用于 環(huán)境中的障礙物是多邊形的情況。先構造一個可視圖 VG,VG 由一系列的 節(jié)點和節(jié)點間的連接值組成，其中節(jié)點是由各障礙多邊形的D點組成的。如 果在VG 中將起點s 和目標點g 也看成特殊的D點。就可以使用動態(tài)規(guī)劃法 或者A* 算法搜索一條從s 到 g 的Z短路徑。由VG 法得到的路徑是具有Z短 長度的，但是往往路徑過于靠近障礙物而得不到路徑的安全性能。環(huán)境分割 方法采用預先定義的基本形狀構造自由空間，并且將這些基本單元及它們之 間的聯(lián)系組成一個連通圖，然后運用圖搜索方法進行路徑的搜索。這些方法 在某些情況下路徑會距離目標太遠，而且路徑會因復雜多折不利于智能機器 人的行走。

2)單元分解法

Brook 和 Lozano 在1983年提出了考慮旋轉物體的路徑 規(guī)劃單元分解法(Sub-division 算法),他們討論的基本問題是具有兩個平移自由度和一個旋轉自由度的物體在多邊形障礙物環(huán)境中的運動。算法的思想很 簡單，把狀態(tài)空間分解為許多矩形或者立方體，稱為單元(cell), 其中每個單元 都標記為：①如果單元內(nèi)每一點均與狀態(tài)空間中的障礙物不相交，則單元為空 的；②如果單元內(nèi)每一點均與狀態(tài)空間中的障礙物相交，則單元為滿的；③如 果單元內(nèi)點既有與狀態(tài)空間中的障礙物相交的，也有不相交的，則單元為混 合的。 尋找一條由空的單元組成而且包含起點和目標點的連通路徑，如果這樣 的路徑在初始化分的狀態(tài)空間中不存在，則要找出所有混合的單元，將其進一 步細分，并且將劃分的結果進行標記，然后在空的單元中進行搜索，如此反復， 直至成功。如果非空的單元劃分到預設的Z小值，則問題無解。該算法的一 大特征是劃分空間與路徑搜索是交叉進行的。使用該算法可以解決比較復雜 的問題，但是其計算量也會相應地變得很大。單元分解法研究得Z多的是柵 格解耦法，它也是目前研究Z廣泛的路徑規(guī)劃方法。

3)人工勢場法

傳統(tǒng)的人工勢場法把智能機器人在環(huán)境中的運動視為一 種在抽象的人造受力場中的運動，目標點對智能機器人產(chǎn)生“引力”,障礙物對智能機器人產(chǎn)生“斥力”,Z后通過求合力來控制智能機器人的運動。但是，由 于人工勢場法把所有信息壓縮為單個合力，這樣就拋棄了有關障礙物分布的 有價值信息的缺陷，而且易陷入局部Z小值。

4)數(shù)學分析法

數(shù)學分析法用一個依賴位姿空間參數(shù)的不等式組來表示智能機器人躲避障礙物的要求，路徑規(guī)劃由起始位姿到目標位姿尋找路徑時 Z小化一個標量函數(shù)而轉化成數(shù)學優(yōu)化問題，通過數(shù)學分析方法可以求解這 個數(shù)學優(yōu)化問題。

5)路徑搜索算法

給定一種智能機器人工作空間的表示方法和自由位姿 空間的表示方法后，路徑規(guī)劃問題就轉變?yōu)閺慕o定的表示中找到一個從起始 位姿到目標位姿的連續(xù)位姿序列的問題。

6)基于微積分的搜索技術

該技術使用優(yōu)化問題的解來滿足一組充分必 要條件，這種技術一般只能用于求解較簡單的問題。

7)枚舉技術

枚舉技術搜索目標函數(shù)的域空間中的每一個節(jié)點，它們的 實現(xiàn)簡單，但是可能需要大量的計算。動態(tài)規(guī)劃是其中一種很好的方法。路 徑規(guī)劃技術常用的有深度優(yōu)先搜索、廣度優(yōu)先搜索、A*搜索、反復加深搜索、Z 優(yōu)搜索和Dijkstra 搜索。

8)有指導的隨機搜索技術

有指導的隨機搜索技術以枚舉技術為基礎， 但是附加了一些指導搜集過程信息。它們的應用范圍很廣，并且能解決十分 復雜的問題，其兩個主要的子集是模擬退火算法和進化算法。