寻求结合Anytime D*与Field D*特性的路径规划算法

现成的结合型算法 #

• Anytime Field D（AFD）**：这是直接匹配你需求的算法，它整合了Anytime D的持续优化能力、D系列的动态重规划特性，以及Field D*的平滑路径生成逻辑：
  • 初始阶段通过启发式剪枝快速生成满足Field D*平滑性要求的次优路径，确保运动能立即启动；
  • 运动过程中后台持续执行Anytime风格的迭代优化，逐步降低路径代价，同时始终保留基于梯度场生成的、走向直接且易跟踪的路径特性；
  • 面对动态主体导致的环境变化，继承D*系列的增量重规划机制，能快速更新梯度场并调整路径，无需全量重新计算。

自行改造Field D*的可行方案 #

如果无法获取AFD的现成实现，你可以基于Field D进行以下改造，引入Anytime D*的核心特性：

1. 分层优先级计算框架
   • 初始计算采用松弛启发式，允许路径存在一定代价冗余，快速生成符合Field D*平滑标准的初始路径；
   • 维护一个优先级队列，按路径代价提升潜力排序存储待优化节点，后台迭代对这些节点进行精细计算，逐步降低总路径代价。
2. 动态环境下的增量优化衔接
   • 保留Field D*的动态重规划能力，当环境变化时先快速调整路径避开新障碍，同时将受影响的节点加入优化队列，后续在运动过程中持续优化调整后的路径，兼顾实时性与路径质量。
3. 可配置的优化终止规则
   • 设置优化终止阈值（如路径代价下降幅度低于1%，或达到预设计算时间上限），确保在资源有限时优先保证路径可用性，再逐步完成优化。

需求匹配结论 #

你提出的三个核心需求（速度优先的次优路径生成+持续优化、动态环境适配、平滑易跟踪路径），Anytime Field D完全覆盖，是当前最适配的现成解决方案。若需定制化实现，基于Field D融入Anytime特性的改造难度适中，核心是保留Field D*的梯度场路径生成逻辑，叠加Anytime的迭代优化框架即可。

内容的提问来源于stack exchange，提问作者Elijah Crum