2015-《HG-RRT∗: Human-Guided Optimal Random Trees for Motion Planning》

发表在《
Emerging Technologies & Factory Automation (ETFA), 2015 IEEE
20th Conference on. IEEE》
本文想解决的问题是，提出一个能允许用户，通过一个简单易懂的方法，去指导树增长的，基于RRT*的规划算法。
因此本文提出一个新的规划算法，叫做HG-RRT*算法。算法是在C-space中最小化一个优化函数。其中，在C-space中生成的状态成本函数，是几个潜在域的结合。
HG-RRT*算法的优点是最小化路径长度，运动努力和成本的方差。
实验结果，和TRRT算法作对比。

成本函数



s1,s2是任意的两个状态，



最小化总成本





算法如下



实验结果做了对比