Rapidly-Exploring Random Tree(RRT):一种用于路径规划/运动规划的随机采样算法,通过在配置空间中不断随机采样并扩展树结构,快速探索高维空间,常用于机器人避障、自动驾驶与动画角色运动等。(也有多种改进版本,如 RRT* 用于渐近最优。)
/ˈræpɪdli ɪkˈsplɔːrɪŋ ˈrændəm triː/
RRT can find a collision-free path for a robot arm.
RRT 可以为机械臂找到一条无碰撞的路径。
In high-dimensional configuration spaces, a rapidly-exploring random tree often outperforms grid-based search by expanding toward randomly sampled states.
在高维配置空间中,快速扩展随机树常常通过朝随机采样状态扩展而优于基于网格的搜索方法。
该术语由机器人运动规划领域提出:rapidly-exploring 强调“快速探索(空间)”,random tree 指“用随机采样不断生长的树结构”。RRT 作为算法名称在 1990 年代末至 2000 年代初由相关研究系统化与推广,并在运动规划文献中广泛沿用。