关于路径规划的定义，在不同的地方有着不同的理解，一般常规的理解是到达不同节点的路径选择，也就是说其在某些场景下可以等价为任务规划，寻找得到任务顺序。
运动规划的定义较为广发，涉及到运动体在运动过程中的状态和动作，其可以理解成包括路径规划和轨迹规划，轨迹规划在路径规划的基础上包括了时间和速度等信息。
路径规划概念
在路径规划中，通常会涉及到两个重要的概念：配置空间和工作空间。
- 配置空间（Configuration Space）。配置空间是机器人学中一个非常重要的概念，它是指所有可能的机器人姿态或位置的集合。在配置空间中，每个元素代表机器人的一个可行的状态或位置。配置空间通常是高维的，因为机器人的姿态或位置通常由多个参数决定，例如，关节角度、末端执行器的位置和方向等。
- 工作空间（Workspace）。工作空间是机器人能够到达的所有可能位置的集合。在机器人学中，通常将机器人视为一个刚体，并将其在三维空间中移动，因此，机器人的工作空间通常是一个三维空间。工作空间的大小和形状取决于机器人的几何形状、关节限制以及环境的约束等。
进行路径规划时，要将工作空间转换到配置空间中，即将机器人转化为一个质点，同时将障碍物按照机器人的体积进行膨胀。
路径规划算法主要可分成两种，一种是基于搜索结果的规划，另一类便是基于采样的规划。相关知识的搜集主要来源于古月居——路径规划算法
常见的列表类型
在路径规划算法中，通常会用到多个不同的列表来存储不同的信息，以辅助路径的搜索和规划。以下是一些常见的列表类型及其作用：
- 开放列表（open list）：存储当前已经发现但尚未被探索的节点，通常按照节点到起点的距离（或代价）排序，以便在下一次选择探索节点时能够优先选择距离起点较近的节点。
- 关闭列表（closed list）：存储已经被探索过的节点，以避免重复探索相同的节点。
- 路径列表（path）：存储当前已经探索过的节点构成的路径，用于在搜索过程中回溯和更新最优路径。
- 障碍物列表（obstacle）：存储障碍物的位置和形状信息，以便在路径规划过程中进行障碍物检测和避障。
- 地图列表（map）：存储环境地图信息，包括地图大小、起点和终点位置、障碍物位置和形状等
图搜索算法
两种针对无权图的基本图搜索算法：深度优先搜索(Depth First Search, DFS)、广度优先搜索(Breadth First Search, BFS)。它们的区别在于openlist(后面介绍)所选用的数据结构类型不同，前者使用栈，后者使用队列。
启发式搜索算法：贪婪最佳优先算法(Greedy Best First Search, GBFS)，用来提高搜索效率，但是不能确保找到最优路径。
经典的算法：Dijkstra算法、A*算法，前者是广度优先算法(BFS)在带权图中的扩展，后者则是在前者中加入启发函数得到的算法，兼顾效率和完备性。
基于采样的算法
基于采样的路径规划算法是一类常用的路径规划算法，它通过在配置空间中随机采样一些点来构建一棵采样树，然后从起点开始，通过一定的策略在采样树上搜索一条到达目标点的路径。
RRT和它的变种算法。这类算法的核心在于随机采样，从父节点开始，随机在地图上生成子节点，连接父子节点并进行碰撞检测，若无碰撞，就扩展该子节点。
Rapidly-exploring Random Tree (RRT)算法，其主要思想是从起点开始，不断向前延伸一棵树，直到找到目标点。具体来说，该算法随机生成一些点，并找到树上最近的节点，然后向该方向延伸一条新的分支，并将其加入到树中。在搜索过程中，该算法会根据搜索的进展情况不断调整采样点的位置，以便更好地搜索到最优路径。RRT算法的优点是能够高效地搜索到配置空间中的大部分区域，但是在搜索过程中可能会出现一些不必要的分支，从而影响搜索效率。
参考文献
图搜索算法
