Classified-RRT*: Node classification RRT*-based algorithm with improved solution performance and convergence rate

Zhihua Xiong

doi:10.1016/j.eswa.2025.129118

Classified-RRT: Node classification RRT-based algorithm with improved solution performance and convergence rate

2025-07-20

0

PRE

AI

DOI：10.1016/j.eswa.2025.129118

原文链接

摘要

En 中文

路径规划对于确保机器人的安全高效运行至关重要。在各种路径规划算法中，快速探索随机树（RRT）作为一种广泛采用的基于采样的方法脱颖而出。虽然最优RRT（RRT*）具有渐进最优性，但其次优初始解和缓慢的收敛率阻碍了其实际应用。相关研究在采样策略和随机树扩展等领域做出了显著贡献。然而，当前算法主要遵循传统框架，对新的采样节点进行统一处理，在随机树扩展效率方面仍有改进空间。为解决这些局限性，本研究提出了分类RRT*（C-RRT*），即RRT*的一种增强变体。通过基于节点的连通性特征进行分类，可执行定制化程序以改进整体架构和性能。为进一步优化随机树扩展过程，提出了单步回溯的ChooseParent程序和顺序Rewire程序。此外，引入了随机偏移采样方法以改善障碍物周围的采样分布。在大型障碍物和杂乱实验环境中，所提算法相比对比算法，初始解计算时间分别减少了53.15%和63.08%，最优解路径成本分别降低了6.00%和11.74%。此外，获得次优解（最优解的1.05倍）所需的计算时间分别减少了84.58%和93.75%。这些结果证明了所提算法的有效性及其在改进解性能和收敛率方面的优势。

Keyword:

RRT*

path planning

node classification

tree expansion optimization

sampling strategy

Classified-RRT: Node classification RRT-based algorithm with improved solution performance and convergence rate

摘要

期刊

机构

引用论文