求各位大俠推薦一些有關於概率地圖（機器人路徑規劃）方面的書籍，目前只能找到相關文獻，求推薦！?

01-28

題主提到的概率地圖，我猜測是值Probabilistic roadmap, Probabilistic roadmap，其歸屬於基於採樣的運動規劃。

這方面入門推薦看ompl(The Open Motion Planning Library, 開源運動規劃庫)中給出的一個OMPL primer(http://ompl.kavrakilab.org/OMPL_Primer.pdf)的第二章，雖然是OMPL的primer，但整體上把基於採樣的運動規劃方法理清楚了。

然後可以看Steven M. Lavalle的《Planning Algorithm》，此人是RRT的鼻祖，所以此書非常值得一看，不過本書涉及的數學知識比較深，需要拓撲/流形等一些數學知識。所以推薦看完了OMPL Primer看一看該書第五章的內容，加深下採樣運動規劃中採樣、碰撞檢測、度量、樹的構造等等部分的內容。另外該書清華大學出版社出版了一本中文版，翻譯質量還可以。

然後...

然後就只能看文獻了，看一看每年ICRA IROS中對PRM/RRT做了哪些改進，基本自己能做些什麼，該做些什麼就清楚了。

Udacity上有一個AI on robot，講自動駕駛汽車的基礎演算法的，是 Probablitics Robotics 的作者同時也是 Google 自動駕駛汽車的領導者，同時也是 Udacity 的 co-funder講得，非常淺顯易懂入門，可以用來構建基礎框架，但是信息量總體來說不高。建議先刷這個，搞定後再跳進去看 Probalitics Robotics

如果你說的「概率地圖」是指機器人運動規劃中的經典演算法PRM（probabilistic roadmap），這裡可以給你推薦三本講到這種方法的教材：

1. Principles of Robot Motion: Theory, Algorithms, and Implementations

經典著作，作者之一是Lydia E. Kavraki，相信做運動規劃的同學都知道她。從位姿空間到一些傳統的規劃方法，如勢場法，胞分法，再到概率完備的規劃方法如PRM，RRT等，全都有詳細講解。

2. Planning Algorithm

作者是RRT演算法的提出者Steven M. Lavalle。這部書的理論味道很濃，甚至講到了位姿空間的基礎流形理論。當然，這本書中也講到了PRM和RRT。

3. Robotics,Vision and Control. Fundamental Algorithms in MATLAB

看名字便知這是一本讓你快速上手的書。講到了PRM和RRT，而且給出了matlab實現，理論實踐兼顧。如果你想立即看到效果，不妨讀一讀，類似於xxx in action這種系列的。

閱讀順序建議先1--&>3--&>2。如果對PRM中的narrow passage問題感興趣，還可以讀讀這一系列博客：

http://blog.sciencenet.cn/u/wycpp

Lydia E. Kavraki實驗室的網站上有很多信息，他們開源的OMPL值得一看。c++和python實現的，各種方法都很完備。體量略大，建議時間充裕的時候再研究：

http://ompl.kavrakilab.org/

推薦一下《probabilistic robotics》，sebastian thrun等著，從最開始概率論的知識講起，不怕你看不懂。

同意三三的推薦，《Principles of Robot Motion: Theory, Algorithms, and Implementation》，裡面第三章到第七章從狀態空間講到兩種主要的路徑規劃演算法：Potential Field和Sampling-Based。後面一種方法就有題主提到的PRM。

個人感覺大部分答主提到的Probabilistic Robotics雖然經典，但並不專門講運動規劃。

另外，推薦一下公開課，Coursera上的Computational Motion Planning，https://www.coursera.org/learn/robotics-motion-planning/，前些時候刷完，Matlab實現PRM，還不錯。

Steven M. Lavalle的《Planning Algorithm》是這學期motion planning的教科書, 不過這事一本大部頭。不太明晰概率地圖指什麼，是指移動的時候有不確定性嗎，這樣的話推薦使用馬爾可夫過程，用value iteration 或者policy iteration。若不考慮不確定性，可以離散題圖後食用BFS，A星等搜索方法，或者使用PRM，或者RRT，其中較為推薦RRT（Rapidly exploring random tree)。另外也可以路徑規劃也可以使用線性規劃來做。

其實有一些AI課程也會涉及路徑規劃，像加州伯克利的CS188就有介紹搜索以及馬爾科夫過程。對於其他的演算法，搜索視頻或者pdf講義也有相關介紹。