Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Motion Planning Graph Search Methods

摘要

由史丹佛大學 Marco Pavone 教授主講，介紹機器人自主運動規劃的基礎原理，重點在於圖形搜尋演算法（如 A*）。內容涵蓋將運動規劃定義為狀態約束下的最佳控制問題，並詳細說明如何利用網格化與圖形搜尋來計算避障路徑。學員將學習如何將實體機器人的幾何形狀轉換至配置空間，並理解組合式演算法與取樣式演算法的差異與適用情境。

This lecture introduces motion planning as an optimal control problem, focusing on graph search methods like A* for pathfinding in grid-based environments and discussing configuration space transformations.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 介紹運動規劃作為最佳控制問題的定義與核心挑戰。
• 詳解基於網格化與圖形搜尋（如 A*）的基礎演算法原理。
• 說明配置空間轉換的複雜性，並對比組合式與取樣式演算法的優缺點。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00課程難度降低與障礙迴避規劃介紹
2. 04:49手術探針與蛋白質摺疊等應用
3. 09:06簡單場景下的規劃問題與勢場法
4. 12:29圖形搜尋演算法與網格化方法
5. 22:02Dijkstra 演算法與節點成本更新
6. 30:21靜態環境假設與成本計算邏輯
7. 33:07開放列表搜尋與波前擴展機制
8. 41:05深度優先搜尋策略與節點入列保證
9. 47:51A*演算法的啟發式函式與下界估算
10. 52:58離散化環境的指數級複雜度挑戰
11. 1:04:45維度轉換與組合式演算法的實務限制
12. 1:07:55路徑分解與連續空間連線性保持
13. 1:12:00幾何構建演算法的理論優勢與實作困難
14. 1:14:49組合式演算法總結與抽樣演算法預告

提到的工具與公司

• Dijkstra
• Seagull
• Python

適合誰看

正在修讀機器人學、自動駕駛或相關領域課程，需要學習基礎運動規劃演算法原理的學生。

摘要依據

依據

語音轉文字

為什麼排在這裡

人氣

0.93

新鮮

1.00

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Motion Planning Sampling-Based影片 ・ Stanford Online ・ 1 小時 19 分 ・ 昨天
• Path Planning for Robotics - Computerphile影片 ・ Computerphile ・ 30 分鐘 ・ 約 2025 年 12 月
• Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Overview, Mobile Robot Kinematics影片 ・ Stanford Online ・ 1 小時 15 分 ・ 昨天
• 機器人學一 07. 手臂軌跡規劃實例影片 ・ NTU OpenCourseWare ・ 1 小時 18 分 ・ 約 2026 年 6 月
• Talk | 倪瑞祺：物理信息驱动的机器人运动规划影片 ・ TechBeat人工智能社区 ・ 35 分鐘 ・ 2026/06/12
• EP416 – 史丹佛 CS329A 課程大公開：多步驟任務如何規劃？LATS、SPRINT、SWiRLPodcast ・ AI懶人報 ・ 21 分鐘 ・ 5 天前

這個來源最近的內容

• Stanford CME295 Transformers & LLMs | Autumn 2026 | Lecture 2 - Large Language Models昨天 ・ 影片 ・ 1 小時 43 分
• Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Trajectory Optimization昨天 ・ 影片 ・ 1 小時 15 分
• Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Trajectory Tracking昨天 ・ 影片 ・ 1 小時 18 分

Stanford Online 的所有內容