模块 M29 · L6 运动规划 · 必修 · 单页课件
启发式权重变大,A* 找路会更快还是更容易走错?
人工势场、可视图/路线图、垂直单元分解;讲清局部极小与完备性。
内容主体:本科机器人学课程体系(Craig 骨架)中本模块的真实教学规格 | 配套:① 原站点演示 + ② 本模块概念交互台
本模块在 Craig 骨架中的位置 体系定位
全课教学顺序由 Craig Ch1–Ch13 决定;本版硬约束是本科必修不引入 twist / screw / 伴随变换 / 矩阵指数 / 指数积 PoE,现代记号只放在 L9 选修。
学习结果与章节依据 体系原文
要解决的问题:启发式权重变大,A* 找路会更快还是更容易走错?
本模块学习结果:人工势场、可视图/路线图、垂直单元分解;讲清局部极小与完备性。
主干 / 主补充章节(可逐条追溯):
- CHOSET Ch4–6
其他参照:LAVALLE Ch6(仅结论)
核心关系式 LaValle《Planning Algorithms》Ch.2 / Ch.5
② 用栅格图搜索展示 f(n) = g(n) + h(n) 的权衡。势函数 U = U_att + U_rep 与可视图/单元分解是同一层里的另外两类经典方法:都把连续空间离散成可搜索的结构,差异在完备性与局部极小。
式子用于观察关系,不是某个具体机器人型号的标定结果;② 的读数板会同步列出式子里可观察的中间量。
② 概念台怎么读
图搜索:启发式权重的影响。w=0 是 Dijkstra,w=1 是 A*,w>1 更快但不再保证最短路。
看什么:把 w 从 1 调到 0,A* 退化成 Dijkstra,扩展节点数明显变多但保证最短;加权贪心扩展更少却可能绕远。
滑块分别改变 启发式权重 w、障碍密度、邻域切换 η;读数板列出中间量与最终判定。预设「w=1 · A*」等对应最容易出错的几组条件。
概念台边界:② 展示的是栅格图搜索,用来直观看到「启发式权重 → 扩展节点数」的权衡;势函数、可视图与单元分解的具体构造在右栏式中给出,概念台不逐一模拟。
先修链 显式 DAG
先修关系写在 curriculum-craig/curriculum.json 的 prereq 字段,44 个模块整体无环、可直接拓扑排序。
编写状态与使用边界 如实标注
使用边界:本套页面按体系逐模块生成「可追溯章节 + 核心关系 + 可交互概念台」。Craig / Choset / Corke / AMR 等是商业教材,本页只登记章节定位与算法事实,不复制章节正文、不把链接或播放器当成课件内容。① 是本站已有真实交互实验台,用作兴趣 / 问题引入,不是本模块专属仿真;② 是教学示意模型,数值用于观察关系,不作为工程计算结果。
自测 · 掌握证据
题目:解释 w = 0 与 w = 1 分别对应什么算法;说出势场法最容易卡在哪一种地形上,以及图搜索为什么能避开。
提示:从 ② 里找证据
先在概念台里复现一组典型条件,再用核心关系式逐项核对读数;能说清「哪个量变了、哪个量没变、为什么」,才算达到本模块的掌握证据。
出处 · 本模块内容来源
- 内容主体
curriculum-craig/curriculum.json与01_本科课程体系大纲_Craig骨架.md中的模块 M29;主干教材为 Craig《Introduction to Robotics》4/e。 - ① 兴趣引入 站点原有 G1 三维实验台
d05.html,通过?embed=topic嵌入模式复用,未改写原页面代码。 - ② 概念演示 本页新增的参数化 SVG 交互台,用于直观呈现本模块核心关系;教学示意模型,不是真实机器人仿真。
- 主干教材 Craig《Introduction to Robotics》4/e 官方目录 ↗ (商业教材,只用章节结构)
- CHOSET Principles of Robot Motion: Theory, Algorithms, and Implementations ↗ 本科主补充
- LAVALLE Planning Algorithms ↗ 算法出处
本页按 A01 单页课件模式生成,补齐 Craig 骨架体系中尚无课件的模块;19 份新课件独立存放在全新目录,已有 32 份课件、91 模块课件与所有旧版文件均未覆盖。① 需经本地 HTTP 服务加载 ES module 与模型;② 为页内 SVG,离线可用。