26、基于采样的运动规划技术解析

基于采样的运动规划技术解析

1. 基于搜索树数量的算法分类

在运动规划中，基于采样的算法会结合采样和搜索来克服难题。根据搜索树的数量，算法可分为以下几类：
- 单向（单树）方法 ：规划过程类似于离散前向搜索。这类算法的主要区别在于顶点选择方法（VSM）和局部路径规划方法（LPM）的实现。例如，在一些复杂的“陷阱”问题中，前向搜索算法可能会陷入困境，像图中类似“火山口”的陷阱，在高维空间中，找到狭窄的出口几乎不可能。而如果规划器采用某种贪心、最佳优先的策略，反向搜索可能更容易解决此类问题。
- 双向（双树）方法 ：由于不清楚起始点 (q_I) 或目标点 (q_G) 是否位于陷阱或其他具有挑战性的区域，双向搜索通常是更好的选择。其原理是，以 (q_I) 和 (q_G) 为中心的两个传播波前，相比以 (q_I) 为中心的单个波前到达 (q_G)，会覆盖更少的区域。双向搜索通过在选择顶点时交替使用两棵树来实现 VSM，LPM 有时会探索 (C_{free}) 的新部分，有时会尝试连接两棵树。
- 多向（多于两棵树）方法 ：当存在双重陷阱等复杂问题时，可以从其他地方生长树，以增加从其他方向进入陷阱的机会。但这会使树的连接问题变得复杂，例如每次迭代应选择哪些树对进行连接、同一对树应多久选择一次、应选择哪些顶点对等，实际中需要许多启发式参数来解决这些问题。

当然，也存在一些极端情况，如图中所示的示例，几乎所有基于采样的规划算法都可能失效，尤其是需要定位和穿越一系列狭窄走廊的问题。除非能利用特定问题的结构，否则有些问题用基于采样的规划方法是无法解决的。