路徑規劃計算機器人到達目標的路徑。它會考慮障礙物、機器人的形狀以及不同路徑的成本。輸出結果是一系列路徑點或一條機器人可以遵循的連續路徑。運動規劃則在此基礎上增加了時間和動力學因素。路徑規劃關注的是“去哪裡”，而不是“何時”。

經典的演算法包括 Dijkstra 演算法和 A* 演算法。 Dijkstra 演算法用於尋找圖中的最短路徑。 A* 演算法則透過引入啟發式方法來加速搜尋。在網格地圖上，A* 演算法快速且有效率。在連續地圖上，基於採樣的規劃器（例如 RRT 和 PRM）透過隨機採樣並連接各種配置來探索空間。

路徑規劃注意事項

• 最短路徑：盡可能縮短距離。
• 最安全的路徑：盡可能避開障礙物。
• 最平穩的路徑：盡量減少轉彎和加速。
• 節能路徑：盡量減少上坡行駛或煞車。
• 動態障礙：隨著環境變化重新制定計畫。

路徑過短可能不安全，路徑過長可能不安全。規劃器會最佳化一個權衡這些因素的成本函數。在倉庫中，成本可能是時間；在手術機器人中，成本可能是偏離預定軌跡；在行星偵測車中，成本可能是被困的風險。路徑規劃是地圖與實際移動之間的橋樑。沒有路徑規劃，機器人知道自己要去哪裡，卻不知道如何到達那裡；有了路徑規劃，機器人無需人工幹預即可在複雜的環境中導航。