深蓝学院-移动机器人运动规划第十一期

课程定位与核心问题

移动机器人运动规划是自动驾驶与智能机器人领域的核心技术难点，其本质是在高维、动态且充满不确定性的环境中，为机器人求解出满足动力学约束且安全的最优或次优轨迹。深蓝学院《移动机器人运动规划第十一期》正是针对这一工程痛点设计的实战型课程。该课程不局限于传统的单机器人静态路径搜索，而是深入探讨了从底层地图表示到上层多智能体协同规划的完整技术栈。对于正在构建导航系统、面临复杂环境避障或多机协作效率瓶颈的开发者而言，本课程提供了一套从理论模型到代码落地的系统性解决方案，填补了学术研究与实际工程实现之间的Gap。

知识体系与学习路径建议

课程内容结构严密，建议按照“环境感知—单机器人规划—多机器人协同”的逻辑推进。首先，开发者需重点研读第一章关于常用地图结构的章节，深入理解 Occupancy Grid Map 与 ESDF（欧氏距离变换）在规划算法中的底层支撑作用，这是后续所有算法运行的数据基础。其次，第三章聚焦采样规划与最优路径搜索，特别是加速收敛策略，适合希望优化算法实时性的读者反复研读。最后，第七章是进阶核心，涵盖基于规则与搜索的次优解法、CBS（基于约束的A*）及其增强版本、速度障碍法（VO）以及集群编队与轨迹规划，这些内容直接对应多机器人系统的工业级需求。虽然资料中包含大作业项目，但初学者应先掌握前三章的单点突破，再进入集群规划的复杂场景。

适用人群与实践方式

本课程适合具备 C++ 编程基础、熟悉 ROS/ROS2 操作环境，并对几何学与线性代数有一定掌握的开发者。零基础用户需先完成环境搭建文档中的 Ubuntu+ROS 配置步骤，否则难以跟进后续代码演示。建议学习者将视频理论与课后作业紧密结合，特别是第一章的地图构建实践与第三章的采样算法调优，这些作业是检验理解程度的关键。课程资料中提供的论文包（L7_Paper）与大作业项目源码是重要的补充资源，开发者应将其作为工程参考，对照课件中的公式推导复现代码逻辑。学完本课程后，独立者具备从零搭建单机运动规划模块的能力，并能理解多机协同规划的核心算法原理，能够针对特定场景选择合适的规划器并进行参数调优，为从事机器人导航算法工程师岗位打下坚实基础。