“Sampling-based planning（基于采样的规划）”指一种常用于机器人与自动路径规划的算法思路：不直接在连续空间中精确构造可行路径的完整数学解，而是通过在状态/配置空间中随机或准随机采样，逐步建立可达的图或树结构（如路线图或搜索树），从而寻找从起点到终点的可行路径。常见于高维空间、复杂障碍环境的运动规划问题。
/ˈsæmplɪŋ beɪst ˈplænɪŋ/
Sampling-based planning can quickly find a collision-free path for a robot arm.
基于采样的规划可以快速为机械臂找到一条无碰撞路径。
In high-dimensional configuration spaces, sampling-based planning methods like RRT and PRM often outperform grid-based approaches by exploring feasible regions more efficiently.
在高维配置空间中，像 RRT 和 PRM 这样的基于采样的规划方法常常比网格法表现更好，因为它们能更高效地探索可行区域。
该短语由三部分构成：sampling（采样）+ based（以……为基础的）+ planning（规划）。在机器人学与计算机科学语境中，“sampling”强调用随机/统计方式在连续空间中取点，“planning”指路径/动作序列的求解；合起来表达“以采样为核心机制来完成规划”的方法族。该术语在1990年代后随 PRM、RRT 等代表性算法的提出而广泛流行。
Select Language