静态与动态场景下的移动中路径规划与修复

包括机器人和无人机在内的自主系统在动态环境中导航时面临重大挑战，特别是在障碍物、交通波动和行人活动不断变化的城市场景中。尽管使用势函数的传统运动规划算法（如波前规划器和梯度下降规划器）在静态环境中表现良好，但在环境持续变化的情况下却显得不足。这项工作提出了一种专为自主系统设计的动态实时路径规划方法，使其能够有效避开静态和动态障碍物，从而增强其整体适应性。该方法将传统规划器的效率与对移动障碍物和环境变化做出快速调整的能力相结合。本文讨论的仿真结果证明了所提方法的有效性，展示了其适用于在已知和未知环境（包括涉及移动物体、智能体或潜在威胁的环境）中的机器人路径规划。