短行程内与障碍物无碰撞的理想路径。局部路径规划算法包括空间法人工势场法模糊逻辑算法遗传算法和神经网络法等基于滚动窗口的路径规划算法。空间法空间又称位姿空间，是由和于年提出的。目前的很多规划方法都是基于位姿空间的规划方法。其实质是根据运动物体的大小和姿态，把周围的障碍物向外扩展定的距离，即相应的膨胀，变成扩展障碍。与此同时，运动物体缩为个点运动物体位姿的描述简化为位姿空问中的个点，于是得到个新的空间，称为位姿空间。这实际上构造了个虚拟的空间把运动物体障碍物及其几何约束关系做了等效变换，将物体的规划问题转变为点的规划问题，将复杂问题简单化，同时又具有实际意义，因此得到了广泛的运用。这种方法本质上属于环境建模的方法。人工势场法人工势场法最初是由提出的种虚拟办法。势场法的基本思想是在移动机器人的工作环境中构造个人工势场，使得在该势场中移动的机器人受到其目标位置引力场和障碍物周围斥力场的共同作用。势场法的吸引力在于数学描述上简洁美观。但它也有其内在的局限性，即当目标附近有障碍物时，移动机器人受到的斥力大于或者等于目标点产生的引力，将永远也到达不了目的地。如果目标和障碍物都离的很远，障碍物的斥力会随着机器人向目标的接近而变的越来越小，甚至可以忽略，机器人将只受到吸引力的作用而直达目标。但在当在实际环境中至少有个障碍物与目标点离的很近的情况下，当移动机器人逼近目标的同时，它也将向障碍物靠近，如果利用以前对引力场函数和斥力场函数的定义，斥力将比引力大的多，这样目标点将不是整个势场的全局最小点，因此移动机器人将不可能到达目标。总的来说这个方法存在着三个方面的问题在相近的障碍物之间不能发现路径在障碍物前可能会出现震荡在狭窄通道处理单元可能涉及语句分析语句理解语义网络以及语言模型等。它往往不是个孤立的单元，而是与匹配计算单元参考模式库融合在起，构成个逻辑关系复杂的系统整体。目前后处理在小词汇量实用语音系统中还很难使用。分类语音识别系统可以根据对输入语音的限制加以分类。如果从说话者与识别系统的相关性考虑，可以将识别系统分为类特定人语音识别系统仅考虑对于专人的话音进行识别非特定人语音识别系统识别的语音与人无关，通常要用大量不同人的语音数据库对识别系统进行学习多人的识别系统通常能识别组人的语音，或者成为特定组语音识别系统，该系统仅要求对要识别的那组人的语音进行训练。语音识别境信息，给机器人规划出条路径，规划路径的精确程度取决于获取环境信息的准确程度。全局方法通常可以寻找最优解，但是需要预先知道环境的准确信息，并且计算量很大。局部规划方法侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避碰能力。很多机器人规划方法通常是局部的方法，因为它的信息获取仅仅依靠传感器系统获取的信息，并且随着环境的变化实时地发生变化。和全局规划方法相比较，局部规划方法更具有实时性和实用性。缺陷是仅仅依靠局部信息，有时会产生局部极点，无法保证机器人能顺利到达目的地。上述两种方法各有利弊，故将两种方法互相结合，取长补短的综合研究方法渐渐成为研究的趋势。环境信息的获得，即研究机器人获得周围工作环境信息的途径的问题，其中最普遍的方式就是通过自身的各类传感器来获取，除此之外还有示教等。这里面涉及到机器人的导航与定位的问题以及传感器信息融合等问题。环境信息的理解问题，也可以称之为将环境建模或建立地图模型，即运些算法将所获得的环境信息变成机器人能够识别和运用的数据信息，以备下进行可行路径的搜索，主要是些算法理论的研究。可行路径搜索问题，即研究如何将第二步所得的数据信息按照定的标准或要求组织生成条段可行的路径，主要是些优化算法和理论的研究。按运动类型的不同，移动机器人的路径规划可分为三种最优路径规划局部路径规划和自适应路径规划。本课题着重研究局部路径规划。局部路径规划局部路径规划是指在未知或者部分已知的环境中进行的路径规划，它根据有无最终目标位置可以分成两种情况探索和漫游。后者仅要求移动机器人能避开障碍物，对运动的朝向没有约束。而对前者，则还有个最终目标位置作指引，机器人必须努力向这个位置靠近，在机器人前进的过程中，由于缺乏先验的全局环境信息，有时条明显的路径要花费很大努力才能找到，而且由于信息的不完整性，不存在全局意义上的最优指标，但它可以达到种次优性。这种情况下，移动机器人般配有能感知