01
路径规划概述
定义、应用场景（扫地机器人、自动驾驶、无人机）、核心挑战（动态环境、实时性）。
基础概念
02
环境建模基础
栅格地图、几何地图、拓扑地图的构建与对比。
地图表示
03
图搜索基础
图论概念、DFS、BFS原理与代码实现。
搜索经典
04
Dijkstra算法
算法原理、优先队列优化、栅格地图仿真实现。
最短路径经典
05
A*算法
启发式函数设计（曼哈顿、欧几里得）、算法流程、与Dijkstra对比。
启发式最优
06
A*算法进阶
权重A*、双向A*、动态A*（D* Lite简介）。
加速动态
07
Jump Point Search (JPS)
对称性破缺、跳点规则、均匀栅格加速原理。
加速栅格
08
状态空间采样
概率路图(PRM)原理、构建步骤、查询阶段。
采样概率
09
快速探索随机树(RRT)
算法流程、随机采样与扩展、障碍物环境生长过程。
随机探索
10
RRT*
渐进最优性、重布线(Rewire)机制、收敛性分析。
最优渐进
11
Informed RRT*
椭圆采样域、聚焦搜索、加速收敛到最优解。
采样聚焦
12
人工势场法(APF)
引力场、斥力场、合力计算、局部极小值问题及解决。
势场实时
13
动态窗口法(DWA)
速度空间采样、轨迹预测、评价函数设计（方位角、速度、障碍物距离）。
局部速度
14
Timed Elastic Band (TEB)
轨迹优化、图优化框架、实时避障与平滑。
优化平滑
15
模型预测控制(MPC)路径规划
预测模型、滚动优化、约束处理。
MPC控制
16
贝塞尔曲线与样条曲线
三次贝塞尔、B样条、路径平滑与参数化。
曲线平滑
17
多项式轨迹规划
最小Snap/Jerk轨迹、QP求解器、无人机轨迹生成。
多项式无人机
18
混合A*算法
状态格扩展、Reeds-Shepp曲线、泊车场景应用。
泊车混合
19
Lattice Planner
Frenet坐标系、横向/纵向规划、速度与路径解耦。
Frenet解耦
20
行为规划与决策
有限状态机(FSM)、成本函数、车道保持与变道决策。
决策行为
21
基于学习的路径规划
模仿学习(IL)、强化学习(RL)在路径规划中的基础应用。
学习IL/RL
22
深度强化学习路径规划
DQN、DDPG、PPO算法在连续动作空间中的规划。
深度RL连续
23
神经网络路径规划
A3C、SAC算法、端到端规划与感知融合。
神经网络端到端
24
多机器人路径规划(MRPP)
冲突解决、优先级规划、协同A*。
多机器人协同
25
动态环境中的重规划
全局规划与局部规划结合、滚动时域规划(RHP)。
动态重规划
26
路径规划中的碰撞检测
AABB、OBB包围盒、GJK算法、距离场。
碰撞检测
27
ROS导航栈
move_base框架、costmap_2d、global_planner与local_planner接口。
ROS导航
28
路径规划评估指标
路径长度、时间代价、平滑度、安全裕度、计算复杂度。
评估指标
29
工程实践
从仿真到实车部署、参数调优、传感器噪声处理。
部署实战
30
前沿趋势
基于Transformer的规划、端到端自动驾驶、具身智能中的规划挑战。
前沿Transformer