动画中青色点为搜索过的节点。
启发算法为二维欧几里得距离。
2.3 势场算法
下面是使用势场算法进行基于二维网格的路径规划。
动画中蓝色的热区图显示了每个格子的势能。
相关阅读：
机器人运动规划：势能函数
https://www.cs.cmu.edu/~motionplanning/lecture/Chap4-Potential-Field_howie.pdf
3. 模型预测路径生成
下面是模型预测路径生成的路径优化示例。
算法用于状态晶格规划（state lattice planning）。
3.1 路径优化示例
3.2 查找表生成示例
相关阅读：
用于带轮子的机器人的最优不平整地形路径生成
http://journals.sagepub.com/doi/pdf/10.1177/0278364906075328
4. 状态晶格规划
这个脚本使用了状态晶格规划（state lattice planning）实现路径规划。
这段代码通过模型预测路径生成来解决边界问题。
相关阅读：
用于带轮子的机器人的最优不平整地形路径生成
http://journals.sagepub.com/doi/pdf/10.1177/0278364906075328
用于复杂环境下的高性能运动机器人导航的可行运动的状态空间采样
http://www.frc.ri.cmu.edu/~alonzo/pubs/papers/JFR_08_SS_Sampling.pdf
4.1 均匀极性采样（Uniform polar sampling）
