研究者提出Reward-Guided RRT*预算任务运动规划框架

论文提出 Reward-Guided RRT*，一种在连续状态空间中直接进行局部任务选择与运动规划联合的采样式框架，无需预计算任务转移图，并通过返回可行性流程保证任务访问不超出任务预算。实验显示其解与 VNS-PRM* 相当，但所需采样状态显著更少。该方法还扩展到 Dubins 转向，并在 CoppeliaSim 的缩比车式机器人平台上验证了对车辆运动学约束的处理能力。