路径规划
Parent: ai_keywords
路径规划（Path Planning）
核心定义
路径规划是人工智能与机器人学中，在给定约束条件下（如障碍物、运动学、能耗），从起始点到目标点搜索可行或最优无碰撞路径的计算过程。在神经科学视角下，路径规划对应大脑基底节-海马-前额叶环路介导的空间导航与运动序列生成能力——这是生物体实现目标导向行为的核心计算范式。
关键技术点
-
图搜索算法
A*、Dijkstra等基于启发式代价函数的确定性搜索，适用于静态环境。其数学本质是加权图上的最短路径问题，时间复杂度依赖状态空间规模。 -
采样方法
快速随机扩展树（RRT）与概率路图（PRM）通过随机采样空间节点并构建连通图，解决高维连续空间中的非凸路径寻优问题，在非完整约束系统中（如机械臂、人形机器人）应用广泛。 -
强化学习与逆强化学习
通过马尔可夫决策过程（MDP）建模，智能体在交互中学习最优策略（如价值迭代、PPO）。逆强化学习则从专家轨迹中推断奖励函数，适用于模仿人类运动规划。 -
动态重规划
针对环境变化或运动不确定性（如移动障碍物），采用D* Lite、MPC（模型预测控制）等方法实时更新路径，兼顾计算效率与鲁棒性。
医学/神经科学应用场景：脑卒中后神经康复路径规划
首都医科大学宣武医院神经病学团队利用脑机接口（BCI）与路径规划技术，针对脑卒中患者肢体运动功能障碍，开发了“神经-外骨骼协同康复系统”。
- 原理：从患者运动皮层（M1区）提取运动意图相关的EEG节律（μ波、β波），经解码后映射为外骨骼的期望路径。路径规划器融合A与RRT算法，在避免关节过伸与碰撞的前提下，生成个性化康复轨迹（如抓握、迈步）。
- 神经学价值：该路径规划过程与基底节-皮层可塑性耦合——持续与患者意图匹配的路径刺激，可诱导受损皮质脊髓束的轴突发芽与突触新生（Hebbian长时程增强）。临床数据显示，治疗12周后患者Fugl-Meyer评分提升23%，脑功能连接强度增加（fNIRS验证）。
- 延伸：在癫痫术前规划中，利用PRM构建颅内电极植入路径，避开语言区与白质纤维束（如弓状束），最小化神经功能损伤。
