当今社会的现代化、工业化以及自动化建设,激起了机器人研究的热潮,机器人被认为是20世纪人类重要的发明之一。尤其是计算机科学和自动控制技术的发展,促进了机器人的应用。工业方面,由于工厂环境较为简单,地图构建和路径规划容易实现,机器人已经代替人工进行重复而繁重的工作。运动规划和轨迹规划是机器人任务规划的两个重要内容,运动规划包括路径规划和路径跟踪。机器人路径规划的定义是:指按照一定的评价标准,规划出一条从起始点到目标点、尽可能优化的无碰撞路径,规划算法的性能与环境的复杂程度有关。A~*算法是一种广泛使用的路径规划算法,它是一种基于启发式的路径规划算法。通过计算每个节点的启发函数值,在相邻节点中选择启发函数值最小的节点作为子节点,从起始点向目标点搜索优化路径。A~*算法存在的问题是计算时间长、占用存储空间大。本文针对A~*算法的缺点,比较几种较为常用的路径规划算法以及一些A~*算法的改进方法,提出了一种改进的A~*算法:首先对当前节点及其父节点的估计路径代价进行指数衰减的方式进行加权,使得A~*算法在离目标点较远时能够很快地向目标点搜索,当距目标点较近时能够局部细致搜索保证目标点附近障碍物较多时目标可达;然后对生成的路径进行五次多项式平滑处理,以便于控制机器人跟踪该路径。使用MATLAB仿真实验对Dijkstra算法、传统A~*算法以及一些改进的A~*算法的耗时和路径长度两方面进行比较,本文改进算法较Dijkstra算法、传统A~*算法以及一些改进A~*算法时间减少、路径长度缩短、无90°转折点,使得机器人可以连续不停顿地跟踪所规划路径到达目标。为了验证本文改进算法能够适应不同环境并且表现良好,在迷宫环境下,对提出的改进算法进行验证,结果表明本文改进算法有很好的实时性和适应性。