李耀仲 王书亭 蒋立泉 孟 杰 谢远龙,2

1.华中科技大学机械科学与工程学院，武汉，430074 2.广东省智能机器人研究院，东莞，523808

0 引言

移动机械臂继承了移动平台工作空间的广阔性和机械臂操作空间的灵活性，具有灵活性好、承载能力强等优势[1-2]。为实现高效高精作业，需在满足约束条件的构形空间中搜索从起始位置到目标位置的无碰撞路径[3-5]。但对于复杂应用场景，传统在线示教、离线编程的运动规划耗时长、效率低，难以满足实际应用需求[6-7]。

机械臂的运动规划目前有以下几种方法：①图搜索算法[8]需对构形空间进行离散化处理，以保证搜索的完备性和最优性，这在一定程度上限制了算法的灵活性；②人工势场法[9]对计算要求不高，但在搜索时容易陷入局部最小值，难以适应复杂的环境地图；③基于随机采样的概率图法[10]能较好地解决高维空间和复杂约束下的路径规划问题，但对场景分布和随机点的选择有较高的要求，复杂空间下的规划效率较低；④快速搜索随机树(rapidly-exploring random tree，RRT)算法具有易于实现、概率完备等优点，可用于解决复杂约束的高维空间路径规划问题，但由于空间的过度搜索，该方法在复杂场景下存在计算量大、收敛慢等问题[11]。

目前，RRT算法在工业机械臂领域取得了较好的应用效果，许多学者从算法效率、全局最优等多个角度对其进行改进，以满足高效运动规划的需求[12-13]。一方面，为缩短算法收敛时间，RRT-Biased算法在随机树迭代扩展过程中将目标点设为具有一定偏置概率的随机点[14]，达到提高搜索效率的目的；……