非完整移动机器人路径规划的空间自适应搜索

非完整移动机器人的路径规划是一个具有挑战性的问题。本文提出了一种新颖的空间自适应搜索方法，该方法大大降低了非完整移动机器人路径规划的计算成本。经典的基于搜索的路径规划每一步只更新当前位置的状态，效率非常低，因此容易陷入局部最小值。空间自适应搜索不仅更新当前位置的状态，还更新邻域内的所有状态，并且邻域的大小根据每一步当前位置周围的间隙自适应变化。由于大量状态可以立即更新，搜索可以探索局部最小值并快速摆脱它。因此，所提出的方法可以有效处理具有大量局部最小值的密集环境。空间自适应搜索还利用一组预定义的运动基元，并在搜索过程中将它们动态缩放到不同大小，以创建具有不同大小和曲率的各种新基元。这极大地促进了在更复杂环境中路径规划搜索的灵活性。与使用启发式加速搜索的A*系列不同，实验表明，即使没有启发式，空间自适应搜索所需的计算时间和内存成本也远低于加权A*算法，同时仍能保持生成路径的最优性。然而，空间自适应搜索也可以与启发式或其他路径规划算法结合使用。