01
课程导论与全局概览
行业应用 · 知识体系 · 前置要求 · 调参思维
全景方法论
02
全局路径规划基础
Dijkstra · A* · 启发式调优 · 栅格/拓扑地图
算法地图
03
A*算法深度调参
启发式权重 · 邻域策略 · 平滑剪枝 · 效率平衡
调参优化
04
RRT与RRT*算法
快速探索随机树 · 渐进最优 · 采样步长 · 实战
采样最优
05
Hybrid A*算法
状态格 · Reeds-Shepp · 非完整约束 · 泊车调参
运动学泊车
06
局部路径规划概述
全局与局部协同 · 动态挑战 · 评价指标 · 规划器对比
局部动态
07
DWA算法深度解析
速度采样 · 评价函数 · 动态窗口 · ROS调优
DWAROS
08
TEB算法详解
弹性带 · 时间最优 · 约束调参 · DWA对比
TEB优化
09
MPC在路径规划中的应用
模型预测 · 时域调参 · 代价函数 · 高速稳定
MPC控制
10
行为规划与决策
有限状态机 · 行为树 · 速度决策 · 交互调参
决策状态机
11
传感器融合与感知输入
激光雷达/视觉 · 障碍物跟踪 · 代价地图 · 鲁棒调参
感知融合
12
代价地图的深度调参
静态/障碍物/膨胀层 · 膨胀半径 · 更新频率
costmap安全
13
路径平滑与优化
B样条 · 贝塞尔 · G2O/Ceres · 曲率约束
平滑优化
14
速度规划与时间分配
梯形/S形 · 时间最优 · 速度约束 · 动态窗口
速度舒适
15
多机器人协同规划
分布式/集中式 · 冲突解决 · 优先级 · 通信鲁棒
多机协同
16
动态障碍物预测与交互
运动模型 · 学习预测 · 博弈论 · 保守调参
预测交互
17
ROS Navigation Stack实战
move_base · 规划器配置 · costmap YAML · 多机
ROS实战
18
Navigation2（Nav2）进阶
行为树 · 生命周期 · 插件化 · 迁移调参
Nav2行为树
19
仿真环境搭建与测试
Gazebo/Stage · 场景构建 · 随机测试 · 参数迁移
仿真测试
20
实车部署与参数迁移
仿真到实车 · 传感器标定 · 微调策略 · 日志分析
部署实车
21
参数自动调优方法
贝叶斯优化 · 遗传/粒子群 · 强化学习 · 工具链
自动调参优化
22
性能评估与基准测试
成功率 · 资源消耗 · 鲁棒性 · 标准数据集
评测基准
23
特殊场景调参（上）
窄通道 · 密集人群 · U型弯 · 非结构化
挑战场景
24
特殊场景调参（下）
高速 · 倒车泊车 · 多楼层 · 雨雾天气
恶劣鲁棒
25
基于学习的规划方法
模仿学习 · 深度强化学习 · 端到端 · 泛化调参
学习DRL
26
安全规划与风险意识
安全距离 · ICS检测 · 紧急制动 · 功能安全
安全风险
27
实时性与资源优化
复杂度 · 多线程/GPU · 降采样 · 嵌入式调参
实时资源
28
行业案例深度剖析（一）
自动驾驶 · 仓储AGV · 服务机器人交互
案例行业
29
行业案例深度剖析（二）
扫地机全覆盖 · 无人机三维 · 水下声纳
案例特种
30
课程总结与进阶之路
调参复盘 · 避坑指南 · NeRF/大模型 · 学习资源
总结前沿