機械臂運動規划
在邱強博士的研究中，機械臂運動規划，等同於路徑規划，但是在無人車領域，是不同的。
- C空間
構型空間，Configuration Space
用向量描述機器人的構型
- 在機械臂運動規划領域，各個算法的應用：
在機械臂領域，主要還是用PRM和RRT算法。
- 神經網絡和強化學習
- 深度強化學習
- CNN強大的環境理解能力
- 強化學習可以進行路徑規划
無人車運動規划
無人駕駛系統的核心是感知、規划、控制。其中規划分為任務規划、行為規划、動作規划三部分。無人駕駛規划系統的分層結構設計源於美國2007年舉辦的DAPRA城市挑戰賽。也就是說，機器人的motion planning並不是按照這種划分的，所以機器人機械臂的motion planning與路徑規划沒有嚴格區分。下圖為無人駕駛系統。
-
任務規划
任務規划通常也被稱為路徑規划或者路由規划（Route Planning），其對應着相對頂層、全局的路徑規划，比如起點到終點的路徑選擇。傳統的算法如Dijkstra算法、A*算法D*算法，被主要應用於計算離散圖的最優路徑搜索。
-
行為規划
也稱為決策制定（Decision Maker），根據任務規划的目標對當前環境的感知，作出下一步無人車需要執行的決策和動作，可以理解為決策系統。行為規划實現的一種方法是使用包含大量動作短語的復雜有限狀態機（FSM）。
-
動作規划
通過規划一系列的執行動作以達到某種目的（如避障）的處理過程。計算效率和完整性是衡量動作規划算法的兩個指標。
有很多不同的分類，運動規划包含路徑規划和軌跡規划，比如下圖的分類：
對於智能車輛而言，全局路徑點只要包含空間位置信息即可，也可以包含姿態信息，而不需要與時間相關，但局部規划時，則可以考慮時間信息。這里規定軌跡點也是一種路徑點，即當路徑點信息中加入時間約束，就可以被稱為軌跡點。從這個角度理解，軌跡規划就是一種路徑規划，當路徑規划過程要滿足無人車輛的縱向和橫向動力學約束時，就成為軌跡規划。