本文参考一：机械臂运动规划算法主要分为三大类
一、路径规划的基本逻辑
- 机械臂的路径规划就像给机器人画导航地图，需同时满足三个条件：避开障碍物、减少运动能耗、保持轨迹平滑。主流算法如RRT（快速随机树）通过随机采样构建路径网络，而A*算法则像智能寻路系统，实时计算最优解。实际应用中，算法需根据机械臂自由度（6轴或7轴）动态调整计算精度。想让机械臂从A点挪到B点，还得躲开障碍物，这就涉及到路径规划。它不光要管运动轨迹，还得考虑进入和退出的方向，比如抓东西时角度得对。
二. 选择并执行路径规划算法
路径规划的目的是寻找一条从起点到终点且无碰撞的几何路径。目前主流的算法包括：
采样算法：如快速探索随机树（RRT）及其改进版（RRT*、RRTConnect）。这类算法无需对环境进行显式建模，通过随机采样和碰撞检测来扩展搜索树，非常适合高自由度机械臂和复杂动态环境。
传统与几何算法：如人工势场法（APF），通过模拟目标点的引力和障碍物的斥力来引导机械臂运动。虽然实时性好，但容易陷入局部极小值陷阱。
融合与智能算法：为了克服单一算法的缺陷，当前常采用混合架构。例如，将APF与RRT融合（APF-RRT），利用势场引导随机树生长，可大幅缩短规划时间并减小路径长度；此外，遗传算法、粒子群优化等也被用于全局搜索。
常用路径规划算法
A*算法:这个算法把空间分成格子，像手机导航找最短路，靠“猜”算哪条路最省。它简单又高效，特别适合工厂里障碍少、环境固定的场景，比如流水线搬运。但要是障碍物动来动去，它就容易懵圈。
RRT算法:这个算法随机撒点，像探险一样长出一棵“树”，慢慢找到路。优点是能应付复杂环境，比如机械臂周围乱七八糟的障碍都能绕开，缺点是路径可能弯弯曲曲，常用于动态任务，像抓取移动物体。
PRM算法这个算法先在空间里随机撒点，连成一张“路网”，然后挑最佳路径。适合重复性任务，前期算得费劲，但后面跑起来超顺。
三. 路径平滑与轨迹优化
初始规划出的路径往往存在较多转折，直接执行会导致机械臂抖动和电机磨损，因此必须进行平滑处理：
曲线拟合：常采用B样条曲线（如5次B样条）对离散的路径点进行拟合。5次B样条能够保证机械臂在运动过程中的角度、角速度和角加速度连续光滑，避免刚性冲击。
平滑算法：也可结合滑动平均平滑算法或B-spline曲线生成算法，产生连续、平滑的避障曲线。
四.运动学基础
正向运动学（Forward Kinematics）：知道每个关节的角度和位置，就能算出末端执行器在哪。比如手肘抬30度、手腕转45度，抓手就到某个点。
逆动力学（Inverse Dynamics）：反过来，知道末端要去哪，算每个关节咋动、用多大力，保证动作稳又准。
