基于熵感知反馈采样的移动机器人路径规划方法及装置

本发明公开了基于熵感知反馈采样的移动机器人路径规划方法及装置，该方法首先利用特征线性调制机制在特征空间中显式编码障碍物约束与可通行结构信息，实现环境语义与几何特征的深度融合，其次提出一种熵感知反馈采样策略，通过引入全局熵评估实时监测网络预测的不确定性，并结合局部碰撞反馈构建惩罚机制，实现采样引导概率的动态调节，最后将预测模型与采样策略作为增强模块集成至传统采样规划算法中，并成功部署于真实移动机器人平台，本发明在多种仿真复杂场景和真实场景下，相较于传统采样路径规划算法，在路径长度、平均搜索时间及扩展节点数上均有显著优化，且有效提升了路径平滑度，增强了机器人在未知环境下的规划效率与稳健性。