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(zhuǎn)換成一個簡單的圖搜索問題�；�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(zhuǎn)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(zhuǎn)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(zhuǎn)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(zhuǎn)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。