MS-Bi-PRM：一种动态响应的双向概率路线规划算法，采用多策略采样技术实现高效机器人操纵器路径规划

《Expert Systems with Applications》：MS-Bi-PRM: A Dynamic-Ready Bidirectional Probabilistic Roadmap Algorithm with Multi-Strategy Sampling for High-Efficiency Robotic Manipulator Path Planning

　　

Jie Wang|Yuhao Hao|Zheyu Tian|Guozhu Song

摘要

针对传统PRM算法的缺点（如盲目采样、路径搜索速度慢、转折点过多以及适应动态环境能力差），本文提出了一种改进的双向PRM（MS-Bi-PRM）路径规划算法，用于机器人操作器。首先，通过结合路径引导采样和随机采样来实现双向采样，以提高采样点覆盖有效区域的概率。其次，在构建路线图时，使用KD树加速最近邻搜索，并采用双向A*算法来寻找可行路径，从而加快路径查找速度。最后，通过迭代拉普拉斯平滑和贪心策略对路径进行优化，去除冗余节点，提升路径的平滑度。该算法还包含动态PRM机制，能够在障碍物更新后自动重新规划路径。实验验证表明，MS-Bi-PRM在机器人臂路径规划方面相较于传统PRM方法具有显著优势：平均规划时间减少了13.2%，总轨迹长度缩短了22.0%，路径中的有效节点数量减少了64%以上。同时，该算法的鲁棒性和规划结果的一致性也得到了显著提升，使其能够有效适应实际工程场景，具有广泛的应用前景。