作为机器人学的重要研究领域,路径规划一直是运动规划的主要研究内容之一。常见的路径规划方法,大多针对机器人与环境建立目标函数,采用数学优化方法得到最佳路径,计算过程复杂,且每次任务需重新计算。本文从“演示-学习-泛化”的角度,结合实际运动环境与任务场景等因素实现机器人的路径规划:首先获取机器人运动样本进行学习,然后针对目标的运动状态进行泛化,同时规避遇到的静动态障碍物。本文对基于连续动态运动基元的移动机器人路径规划研究如下:首先,概述了传统路径规划算法的研究前沿,引出本文研究的核心概念——动态运动基元,并介绍了该方法的基本原理、目标泛化、维度推广、改进与避障等方法。在此基础上,通过建立全局静态环境下的运动基元库来完成机器人的规划任务,提出连续动态运动基元来完成机器人在动态场景及任务下的局部轨迹修改。然后,通过仿真实验验证所提算法。分别对动态运动基元基础特性、运动基元库匹配泛化以及连续动态运动基元对动态场景的响应机制设计相关仿真实验加以验证。仿真实验验证了所提算法的可行性与有效性。最后,设计了移动机器人路径规划及其学习平台。阐述了系统的软硬件构成及原理,并完成了移动机器人跨平台路径规划及其学习实验,验证了该系统的可靠性与实用性。