路徑規劃是機器人在走向應用層面的一個重要組成部分。所謂機器人的Z 優路徑規劃問題，就是依據某個或某些優化準則(如工作代價Z小、行走路線Z 短、行走時間Z短等),在其工作空間中找到一條從起始狀態到目標狀態的能避 開障礙物的Z優路徑。

路徑規劃根據問題和對環境信息的掌握程度可以分為兩類：一類是環境信息已知的全局規劃，另一類是環境信息未知的局部規劃。全局規劃方法依照已獲取的環境信息，給機器人規劃出一條路徑。規劃路徑的準確程度取決于獲取環境信息的準確程度。全局方法通常可以尋找Z優解，但是需要預先知道環境的準確信 息，并且計算量很大。局部規劃方法側重于考慮機器人當前的局部環境信息，讓 機器人具有良好的避碰能力。通過傳感器在線地對機器人的工作環境進行探測， 以獲取障礙物的位置和幾何性質等信息，這種規劃對于環境數據的搜集和該環境 模型的動態更新能夠隨時進行校正。很多機器人導航方法通常是局部的方法，因 為它的信息獲取僅僅依靠傳感器系統獲取的信息，并且隨著環境的變化實時地發 生變化。和全局規劃方法相比較，局部規劃方法更具有實時性和實用性。缺陷是 僅僅依靠局部信息，有時會產生局部極點，無法保證機器人能順利到達目的地。

采用良好的機器人路徑規劃技術可以節省大量機器人作業時間，減少機器 人磨損，同時也可以節約人力資源，減小資金投入，為機器人在多種行業中的應 用奠定良好的基礎。將遺傳算法、模糊邏輯以及神經網絡等方法相結合，可以組 成新的智能型路徑規劃方法，從而提高機器人路徑規劃的避障精度，加快規劃速 度，滿足實際應用的需要。同時，多機器人協調作業環境下的路徑規劃技術也將 是研究的熱點及難點問題，越來越受到人們的重視。

其實，機器人處理任務是一個非常復雜的過程，在機器人身上裝有電子計 算機，其運算速度可以說快得驚人，但是目前，還沒有一個特別適合機器人的邏 輯分析判斷方法，所以機器人僅有高速運算，其總體的智力遠不及人類。目前世 界各國的科研院所、高等院校的科學工作者都在研究機器人的智能算法，包括機 器學習等，有理由相信，在不久的將來，機器人的大腦與小腦的水平將會不斷提 高，機器人可以更好地為人類提供服務。