単純移動の行為、人間にとっては非常に簡単ですが、ロボットの面で非常に複雑になり、それが移動ロボットの経路計画に来るときに言及しなければならない、移動ロボットのナビゲーションの経路計画はを参照して、最も基本的な側面であります適切なモーションパスを最初から最後までのパスを見つけるためにどのようにロボットの作業環境での障害物が存在する、運動中のロボットは、すべての障害、安全、衝突のないバイパスすることができます。これは、取得するために、動的プログラミングや他の方法との最短経路とは異なりますが、ロボットは静的および動的な環境での総合判定、インテリジェントな意思決定を行うことができます移動します。
全体的に、経路計画は、主に3つの大きな問題が含ま：①明確な出発点と終了点の位置を、②障害物を回避、③パス上で可能な限り最適化を達成します。
計画のグローバルとローカルポイントのロボット経路計画
環境情報の習得の度合いに応じて、経路計画は、世界的な経路計画とローカルパス計画に分けることができます。
グローバルパスは、ロボットの経路計画、パス計画精度が得られた環境の精度に依存し、グローバルな経路計画が最適な解決策を見つけることができ、知られている環境で計画したが、事前に正確な情報環境を知っている必要があり、とき環境ときにそのような何かを行うことができない未知の障害物、などの変更、。これは、計画結果は、グローバル、そしてより多くのですが、ロボットシステムは、それほど厳しいリアルタイムシステムの機能であるので、事前の計画のようなものですが、環境雑音モデルのエラーや貧しい堅牢性。
ロボットが障害物の位置を取得するためにセンサーを経由して、ロボットの作業環境を検出するための良い障害物回避能力を持っているように、環境情報のローカルパス計画または既知のいくつかの完全に未知のは、現在のローカル環境情報ロボットの検討に焦点を当て、幾何学的特性およびその他の情報は、そのような計画の環境データを収集する必要があり、これはいつでも動的に更新環境モデル、ローカルモデリングとプログラミング方法で修正することができる統合環境を検索する、ロボットシステムは、高速処理能力情報を要求しますそして、コンピューティングパワー、計画結果のリアルタイムのフィードバックと補正できる環境上のエラーや高い雑音耐性は、ありますが、世界的な環境に関する情報の不足のため、計画結果は最適ではないかもしれない、とさえ権利を見つけることができますまたは完全なパス。
同じことは、グローバルパスを改善するために適用された後、ローカルおよびグローバルな経路計画及び経路計画本質的な差ではない、多くの世界的な経路計画方法は、改善された局所経路計画に適用することも使用することができ、局所経路計画のための適切な方法計画。どちらの作品は、出発点からロボットの移動経路は、宛先へのより良い計画することができます。
* D *と経路計画アルゴリズムを導入
実際には、ロボットの経路は、既知の環境や未知の環境地図を考慮に加えて計画するだけでなく、動的および静的な環境での経路計画を検討してください。
*（スター）アルゴリズムは、直接検索の最短経路最も効果的な方法で静的な道路網のための有効なアルゴリズムであり、検索は、多くの問題を解決します。距離推定値と実際の値が速く、最終的な検索アルゴリズムに近いです。しかし、また、*アルゴリズムは、それらを計画してダイナミックルートのために使用することができますが、時に環境の変化は、必要性は、ルートを再計画すること。
Dの*アルゴリズムは、従来の環境位置は、ロボットが不慣れな環境の中で自由に移動することを可能にする動的な経路発見的探索アルゴリズムであり、急速に変化する環境でその能力。Dの*アルゴリズムの最大の利点は、ロボットがあっても、未知の環境では、人々は、あなたもロボットと探求し続け、行動を開始することができ証明されたマップを事前にする必要はありません、パスを調整するための時間になります。
要約すると、移動ロボットの経路計画技術はかなりの実績をあげており、しかし、そのような考え方として、国は、アルゴリズムのこのタイプのために改善されていたために、そのグローバルとローカルの経路計画法、の多くの欠点は、まだありますLAN技術のSLAMWAREモジュラー自律航法、SLAMWARE内の修正D *を使用してパス計画アルゴリズムは、コアは、その経路探索アルゴリズムを使用して、米国の火星探査機です。ロボットは未知の環境の中で自由に歩くことを可能にする動的パスヒューリスティック検索アルゴリズム、環境変数の場合、その機能があります。