轨迹优化
样条法
样条法能满足机器人的动力学约束：使得轨迹本身/一阶导数/二阶导数连续
样条就是广义的函数和曲线
方法：分段函数 + 连续性限制
一般来讲使用三次样条
每一个样条段连接两个路径上的离散的点
局部规划
为什么需要局部规划
因为规划算法必须权衡精度和全局性
对于局部情况，机器人往往有更好的认知：比如激光雷达能够实时反映局部的障碍物分布。对于规避动态障碍物，往往要依赖局部规划算法。
全局规划算法更加考虑连通性，局部规划算法更加考虑动力学上的可行性。
人工势能场法
样条法的延申
定义一个势能函数，把最小化这个势能函数作为目标函数
目的：利用高势能表示障碍物或者惩罚区域，低势能表示奖励区域或者平坦的地区
有障碍物的地方附近势能高
离目标越远的地方势能高，离目标越近的地方势能低
智能路径规划
生物启发与相关算法
蚁群算法
RVO算法
Reciprocal Velocity Obstacles，障碍物规避算法
强化学习