規劃的概念已經廣泛應用于人工智能、控制理論、機器人、自動駕駛等領域。在自動駕駛軟件的開發中，運動規劃是最核心的模塊之一。它將綜合來自感知，定位和地圖等信息，規劃出無人車未來一段時間（約10秒）的一系列動作指令，如方向盤轉角，油門，剎車等。

《Planning Algorithms》，由Steven M. LaValle編著，劍橋大學出版社出版，豆瓣評分 9.3 分，被譽為運動規劃“圣經”，是自動駕駛必讀經典書。

圖片來自豆瓣

這本書提出了多種不同規劃算法的統一處理，涵蓋了運動規劃、離散規劃、不確定性規劃、基于傳感器的規劃、可見性、決策理論規劃、博弈論、信息空間、強化學習、非線性系統、軌跡規劃、非完整規劃和動態規劃。

Steven M. LaValle不僅介紹了在機器人、人工智能、控制理論等學科中出現的算法及規劃問題，也重點介紹了大量的概念（不局限于算法），有助于建模、求解和分析規劃問題。

讀者評價《Planning Algorithms》是機器人路徑規劃算法中理論描述最為清晰、全面且基礎性的專業參考文獻，建議SLAM/V-SLAM/Path Planning等研究方向學生作為入門參考文獻。

全書分為4個部分，包括基礎知識、運動規劃、決策論規劃以及微積分條件下的決策規劃，您可以一個章節一個章節按順序閱讀，也可以選擇自己感興趣的部分進行閱讀。

4個模塊的依賴關系圖

第一部分（基礎知識，Chapter 1-2），本部分為其他部分提供重要的基礎學科背景。Chapter 1 介紹了一些對規劃算法的認識以及從不同學科看待規劃算法的結論，規劃算法的應用與案例與重要主題；Chapter 2介紹了最簡單的規劃形式，可以作為其他部分的前置知識。

圖片來自《Planning Algorithms》

第二部分（運動規劃，Chapter 3-8），主要討論連續狀態空間中的規劃，相關問題與算法來自機器人學，具有通用性，可以遷移應用到其他領域，如計算機生物學、計算機圖像學。Chapter 3-4 將介紹基礎機器人規劃所需要的基礎知識，Chapter 5-6 則提出解決問題的算法，Chapter 7-8 對基礎問題進行了一個延展。

圖片來自《Planning Algorithms》 圖片來自《Planning Algorithms》

第三部分（決策論規劃，Chapter 9-12)，介紹了離散狀態空間的規劃，討論了基本決策理論、序貫決策理論、傳感器與空間信息，存在感測不確定性條件下的規劃（包括定位、地圖繪制、追逃以及操作等問題，與信息空間的規劃思路相統一。）

圖片來自《Planning Algorithms》 圖片來自《Planning Algorithms》

第四部分（微分約束條件下的規劃，Chapter 13-15），可以視為運動規劃續篇，這部分內容介紹了在運動規劃中出現的連續狀態空間中存在全局與局部（微分）約束，也考慮了動力學約束。

圖片來自《Planning Algorithms》 圖片來自《Planning Algorithms》

此外，本書提供了500多個例子與練習題，每章中的習題分為書面解答問題與實現方案，幫助你掌握規劃算法。

Steven M. LaValle已經開放該書的免費下載權限，感興趣的讀者在公眾號【AIer Hub】后臺回復1011規劃算法，即獲取電子書。

本文由 mdnice 多平臺發布

總結

以上是生活随笔為你收集整理的豆瓣评分9.3！运动规划圣经，自动驾驶学习必备书！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。