人工精选移动机器人运动规划-人工智能
如果你做的是移动机器人相关的工作,或者正准备从纯软件方向转到机器人算法岗,大概率会遇到一个坎:路径规划的理论看了一堆,A*、RRT、MPC 的名字都认识,但真让你在工程里调通一套能跑的规划器,又不知道从哪下手。这门《移动机器人运动规划》针对的就是这个断层——它不讲泛泛的人工智能概论,而是把移动机器人
会员可免费下载本篇月会员可免费领取。
开通会员 ›会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
如果你做的是移动机器人相关的工作,或者正准备从纯软件方向转到机器人算法岗,大概率会遇到一个坎:路径规划的理论看了一堆,A*、RRT、MPC 的名字都认识,但真让你在工程里调通一套能跑的规划器,又不知道从哪下手。这门《移动机器人运动规划》针对的就是这个断层——它不讲泛泛的人工智能概论,而是把移动机器人里的规划问题拆开,讲原理,也讲实现。
它解决的是哪类工作场景
最典型的场景是:你手上有底盘、有激光或深度相机,需要让机器人从一个点自主走到另一个点,中间要绕开障碍、满足车辆的运动学约束、还得让轨迹足够平滑不至于走起来一顿一顿。这背后对应的是一整套规划链路——全局搜索给出大致路线,局部规划负责实时避障和跟踪,中间还要处理地图表示、代价计算、轨迹优化这些环节。课程覆盖的就是这条链路上的核心算法,而不是停在概念介绍。如果你日常要跟导航栈打交道、要评估不同规划器的取舍,或者要给特定场景改一版规划逻辑,这些内容是对得上的。
学完能独立做什么
按课程的应用导向来看,学完之后比较现实的目标是:能自己搭建并调通一套完整的规划流程,从栅格或其它地图形式出发,跑通全局规划,再接上局部规划做动态避障,并根据机器人实际尺寸和运动限制调整参数,让轨迹可执行。更进一步,能读懂常见开源导航方案里规划模块的设计思路,遇到效果不理想时知道问题出在搜索、采样还是优化环节,而不是只能改参数碰运气。这些都是能在工作里直接落地的能力,也是面试时能讲清楚细节的底气。
资料适合什么基础
这门课属于算法数学类,对基础有要求,但不算苛刻。比较顺的起点是:会一门编程语言(C++ 或 Python 都行),了解基本的坐标系变换和数据结构,对机器人有直观概念更好。数学上涉及优化和采样的部分,课程是偏工程实现来讲的,不要求你先啃完一本最优化教材。反过来,如果你完全没接触过机器人、也没写过代码,直接上这门课会吃力,建议先补一点机器人入门和编程基础再回来。它的定位是给已经在这条路上、想把规划这块补扎实的人,而不是零基础的科普。
资料怎么用效率更高
- 先按内容顺序过一遍原理,重点放在每种算法「为什么这么设计、适合什么场景」,不要一上来就抠公式推导。
- 工程实现部分建议跟着动手,哪怕先跑通一个简化版本,也比只看不写强。规划这类问题,很多坑只有自己调过才会遇到。
- 每学完一类算法,回头对比它和前面方法的差异,比如采样类和搜索类各自的优劣,这样在真实项目里才选得准。
- 笔记适合用来做阶段复盘,把散落的算法整理成一张「问题—方法—适用条件」的对照表,面试前翻这张表比翻视频快得多。
整体来说,这是一门偏工程、偏应用的规划课,适合想在这块真正上手的人。如果你只是想了解个大概,它可能偏重;但如果你确实要把移动机器人的规划做出来,它省掉的是自己东拼西凑找资料的那段时间。
系统讲解运动规划的中文课程,讲述最新,最实用的planning算法原理以及工程实现。重点讲述应用/实现/工程部分,学完可以直接应用于移动机器人中。
课程推荐
《移动机器人运动规划-人工智能》系统讲解运动规划的中文课程,讲述最新,最实用的planning算法原理以及工程实现。重点讲述应用/实现/工程部分,学完可以直接应用于移动机器人中。【技能收获】学完可掌握:Vue / 前端工程化。课程以实战为导向,覆盖从基础概念到完整项目落地的关键步骤,配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习,先打基础再进入综合实战章节;每完成 2~3 节可结合笔记整理一份学习小结,最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位:AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高,具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺,简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础,本课程可帮助你在现有技能栈上快速叠加热门方向能力,提升求职时的项目说服力与薪资谈判空间。
视频目录(25 节)
课程目录
* │ 1.1课程总体介绍.mp4
* │ 1.2课纲介绍与规划方法分类.mp4
* │ 1.3常用地图结构与基础知识.mp4
* │ 1.4实践演示.mp4
* │ 2.1图搜索基础.mp4
* │ 2.2Dijstra和Astar算法.mp4
* │ 2.3JPS算法.mp4
* │ 2.4实践演示与作业_.mp4
* │ 3.1-3.2概率路线图算法.mp4
* │ 3.3-3.4基于采样的最优路径规划算法.mp4
* │ 4.1动力学概念简介.mp4
* │ 4.2状态栅格搜索算法.mp4
* │ 4.3两点边界最优控制问题.mp4
* │ 4.4混合Astar算法.mp4
* │ 4.5动力学约束RRTstar算法.mp4
* │ 5.1MinimumSnap1.mp4
* │ 5.2MinimumSnap2.mp4
* │ 6.1轨迹优化.mp4
* │ 6.2作业(视频尾部画面卡).mp4
* │ 7.1规划中的不确定性和马尔科夫决策过程.mp4
* │ 7.2最小最大代价规划和最小期望代价规划.mp4
* │ 7.3值迭代和实时动态规划.mp4
* 8.1.mp4
* 8.2.mp4
* 8.3.mp4





