我有一个起点和终点以及几个障碍（或多或少取决于情况）。我还有一个类似机器人的系统，可以在动态环境中移动。我的工作是实现一种算法，使我的系统能够避开障碍物到达终点。有人以前从事过路径/运动规划并且可以给我一些建议吗？ 到目前为止，我已经做了一些“研究”，我发现基本上有两组算法：基于搜索和基于采样。显然，基于采样的方法更适合有多个障碍物的环境，并且也主要用于机器人技术。现在测试它们给出了一个非常奇怪的轨迹，有很多转弯，这根本不是我想要的。另一方面，基于搜索的算法因为它们与网格一起工作，所以当我们有更多障碍时会占用大量内存。所以，这就是我被困住的地方。我正在考虑实现 RRT*，但我真的不喜欢找到的路径，即使我有很多迭代。
我查找了 A*、D*、DLite、RRT、RRT 和 PRM 等算法。
正如您所提到的，基于采样的方法在解决高维状态空间问题时效率更高，并且您不必担心网格大小。基于采样的规划器返回的奇怪且不平滑的路径的观察很常见。通常，人们会进行后处理来解决这个问题。您可以执行捷径（请参阅论文：https://ieeexplore.ieee.org/document/5509683），或者您可以将找到的路径放入基于优化的求解器（例如轨迹优化）中作为一个好的初始猜测，该猜测需要还要考虑路径平滑度。