علوم مرتبط با ربات و علم رباتیک علمی است بسیار پیچیده از زیرشاخه‌های علم هوش مصنوعی که تمرکز اصلی آن بر روی ساخت ماشین‌های مکانیکی هوشمند و در زبان عامیانه ربات می‌باشد. این علم در تلاش است تا با سر هم کردن قطعات مکانیکی و بهره گیری از الگوریتم‌ها و تکنیک‌های خاص علم هوش مصنوعی ماشین‌هایی بسازد تا بتوانند همانند انسان عمل کنند. مانند انسان راه بروند، مانند انسان فکر کند، مانند انسان عکس‌العمل نشان دهند و به طور کلی تمام ویژگی‌های یک انسان را شبیه سازی کنند. امروزه در حوزه رباتیک شاهد ظهور ربات‌ها و ماشین‌های هوشمندی هستیم که می‌توانند در انجام بسیاری از کارها به انسان کمک کنند و یا حتی خودشان به تنهایی وظیفه‌ای را به عهده گرفته و کاری را انجام دهد. از ربات‌های خدماتی گرفته تا ماشین‌های خودران همه بخش کوچکی از این فناوری می‌باشند. در مقاله بررسی تخصصی دنیای ربات‌ها و علم رباتیک در هوش مصنوعی به تفصیل به بررسی این حوزه پرداختیم، اما در این مقاله قصد داریم به یکی از مفاهیم موجود در علم رباتیک بپردازیم، مبحثی به اسم پث پلنینگ یا path planning در علم رباتیک. شاید از خود پرسیده باشید که ربات‌های مسیریاب تعبیه شده در خودروهای خودران و یا ربات‌های مکانیکی دیگر که می‌توانند به صورت هوشمند مسیر خود را تا مقصد تشخیص دهند چگونه کار می‌کند، تکنولوژی و تکنیکی پشت این قابلیت چیست. جواب این سؤال‌ها در مبحثی به اسم پث پلنینگ خلاصه می‌شود که در این مقاله سعی خواهیم کرد به بررسی و واکاوی این مبحث بپردازیم. اگر شما هم علاقه‌مند به حوزه ربات و چگونگی عملکرد آنها در مسیریابی هستید مطالعه این مقاله به شما پیشنهاد می‌شود. در ادامه با آرتیجنسهمراه باشد.

پث پلنینگ یا path planning در رباتیک؟

یکی از وجه‌های مشترک بین اکثر ربات‌ها، قابلیت و انعطاف پذیری آنها در بحث مسیریابی است. اینکه یک ربات آن‌قدر هوشمند باشد تا بتواند مسیر بین مبدأ و مقصد را با در نظر گرفتن موانع موجود بدون خطا بپیماید. در تعریفی خلاصه برنامه ریزی مسیر یا path planning مفهومی در علم رباتیک است که کمک می‌کند تا ربات‌ها یا هر نوع وسایل حرکتی هوشمند مسیر خود را بیابند. هدف اصلی پث پلنینگ تعیین مسیری است که قرار است ربات از مبدأ، یعنی موقعیت فعلی خود تا مقصد با در نظر گرفتن موانع بپیماید. موانع بر سر راه ربات می‌تواند هر چیزی اعم از موانع فیزیکی، محدودیت‌های حرکتی، محدودیت‌های زمانی یا مناطق ممنوعه باشند. وظیفه پث پلنینگ تنها به مشخص کردن مسیر بین مبدأ و مقصد خلاصه نمی‌شود، بلکه به عملکرد و تصمیم‌گیری‌های مرتبط با حرکت ربات هم نظارت دارد. پویایی در تصمیم گیری و تغییر مسیر در صورت مواجه با مانع، و تطبیق دادن خود با محیط اطراف هم جزء وظایف پث پلنینگ و پروسه مسیریابی می‌باشد. خودروهای خودران، هواپیماها، پهپادها، ربات‌های صنعتی و حتی مسیریابی در بازی‌های ویدئویی و شبیه سازها فقط گوشه‌ای از کاربردهای پث پلنینک در علم رباتیک و مسیریابی است. مسیریابی در پث پلنینگ به دو صورت استاتیک یا دینامیک انجام می‌شود. در حالت استاتیک محیط فیزیکی ثابت است و مسیر از قبل و به صورت پیش‌فرض تعیین شده است. اما حالت دینامیک، شرایط محیطی هر لحظه ممکن است تغییر کند و ربات باید قادر باشد در لحظه و با توجه به محیط اطراف خود تصمیم بگیرد و مسیر خود را مشخص کند.

الگوریتم‌های مسیریابی و پث پلنینگ در رباتیک:

تعریف ساختار و برنامه ریزی برای مسیر و مسیریابی توسط الگوریتم‌ها انجام می‌شود. در تعریف کلی الگوریتم به مجموعه دستورالعمل‌ها و ساختار کلی گفته می‌شود که برای انجام یک کار و یا وظیفه خاص تعریف می‌شوند. از الگوریتم‌ها در علم رباتیک و به خصوص پث پلنینگ یا مسیریابی ربات‌ها برای برنامه ریزی مسیر به شدت استفاده می‌شود. به بیان دیگر این الگوریتم‌ها هستند که به ربات می‌گویند با توجه به نوع محیط، حرکت ربات و موانع موجود بر سر راه ربات کدام مسیر بهینه‌تر و مناسب‌تر است. در ادامه مقاله پث پلنینگ یا path planning در علم رباتیک چیست، قصد داریم بیشتر در مورد الگوریتم‌های پر کاربرد در مسیریابی ربات‌ها صحبت کنیم:
الگوریتم A star: یکی از الگوریتم‌های معروف برای مسیریابی در ربات‌ها الگوریتم A می‌باشد. این الگوریتم قادر است تا با استفاده از محاسبه تابع هزینه مسیر فعلی و تخمینی از هزینه مسیر تا مقصد بهترین مسیر ممکن برای ربات تا رسیدنش به مقصد را ارائه کند. این الگوریتم با سرعت و کارایی بالای خود در بین الگوریتم‌های مسیریابی شهرت دارد.
الگوریتم Dijkstra: الگوریتم Dijkstra یکی دیگر از الگوریتم‌های مسیریابی می‌باشد که می‌تواند با هزینه‌ای تقریباً یکسان با الگوریتم A star  کوتاه‌ترین مسیر بین دو نقطه را پیدا کند. این الگوریتم در مسیریابی در محیط‌های دارای مانع کارایی ندارد و فقط می‌تواند در محیط‌هایی که خبری از موانع نیست برای مسیریابی ربات‌ها استفاده کرد.
الگوریتم RRT (Rapidly-exploring Random Trees): RRT یک الگوریتم مسیریابی دینامیک است که برای مسیریابی در محیط‌هایی که دارای پیچیدگی‌های بالایی است استفاده می‌شود. این الگوریتم از یک روش تصادفی و یک ساختار درختی برای آنالیز محیط و مسیریابی استفاده می‌کند. 
الگوریتم PRM (Probabilistic Roadmap): PRM نیز یکی دیگر از  الگوریتم داینامیک در مسیریابی است که روش کار آن بسیار شبیه به الگوریتم PRT است. این الگوریتم ابتدا یک نقشه از ساختار محیط اطراف خود می‌سازد، سپس با اتصال نقاط تصادفی به یکدیگر مسیر بهینه و مناسب را انتخاب می‌کند. این الگوریتم برای محیط‌های داینامیک و پیچیده کاربرد دارد.

کاربرد پث پلنینگ در انواع ربات‌ها:

از تکنیک پث پلنینگ برای مسیریابی در هر سیستم و ماشین هوشمندی می‌توان استفاده کرد. از ربات‌ها گرفته تا ماشین‌های خودران، تمام وسایل حرکتی می‌توانند برای مسیریابی از پث پلنینگ استفاده کنند. در این قسمت از مقاله پث پلنینگ یا path planning در علم رباتیک چیست، با کاربردهای پث پلنینگ بیشتر آشنا خواهیم شد. در زیر مواردی از کاربردهای پث پلنینگ در مسیریابی بیان شده و در مورد هر کدام توضیحاتی ارائه شده است:
خودروهای خودران (Self-Driving Cars): یکی از صنعت‌هایی که مسیریابی در آن به شدت مهم است و به صورت گسترده برای مسیریابی از پث پلنینگ استفاده می‌کند، صنعت خودروهای خودران است. این خودروها با استفاده از مسیریابی پث پلنینگ و بر اساس اطلاعات GPS، سنسورها و داده‌های محیطی می‌توانند بهینه‌ترین و امن‌ترین مسیر بین مبدأ و مقصد را تشخیص دهند.
پهپادها (Drones): تعیین و تعریف مسیر برای پهپادها و هواپیماها یکی دیگر از حوزه‌های حساس و مهمی است که پث پلنینگ با قدرت در آن وارد شده است. پهپادهایی که برای عکاسی، جمع آوری اطلاعات محیطی، نقشه برداری از ارتفاعات و ارسال اطلاعات به مبدأ مورد استفاده قرار می‌گیرند، برای مسیریابی از پث پلنینگ استفاده می‌کنند.
ربات‌های نقشه‌برداری (Mapping Robots): ربات‌های نقشه‌برداری برای بررسی و جمع آوری اطلاعات محیطی، ایجاد نقشه‌های محیطی و مسیریابی در محیط‌های ناشناخته از پث پلنینگ استفاده می‌کنند.
ربات‌های ارتباطی و جستجو و نجات (Search and Rescue Robots): ربات‌های امدادگر مختلف که برای انجام عملیات جستجو و نجات در مواقع بحرانی نظیر سیل و زلزله مورد استفاده قرار می‌گیرند از پات پلنینگ برای مسیریابی و جستجو در مناطق غیرقابل‌دسترسی استفاده می‌کنند.

نتیجه گیری:
همان طور که اشاره شد مسیریابی یکی از مهم‌ترین بخش‌های طراحی ربات برای فعالیت در هر زمینه‌ای است. ربات‌هایی که طراحی می‌شوند در درجه اول باید بتوانند مسیر خود را پیدا کنند و در مواجه با موانع مختلف بر سر راه خود پویایی و هوشمندی لازم را داشته باشند. ابزاری که در علم رباتیک کمک می‌کند تا بتوان عملکرد مسیریابی را در ربات‌ها تعبیه کرد، پث پلنینگ نام دارد. پث پلنیگ با یک سری از الگوریتم‌ها، ساختاری را ایجاد می‌کند تا ربات بتواند با استفاده از آن مسیر بین مبدأ و مقصد را به درستی بپیماید. همچنین در ادامه مقاله با کاربردهای پث پلنینگ آشنا شدیم و دیدیم که در بسیاری از صنعت‌ها از پث پلنینگ برای مسیریابی استفاده می‌شود. از هواپیماها و پهپادها گرفته تا مسیریابی در بازی‌های کامپیوتری همه و همه از پق پلنینگ برای مسیریابی استفاده می‌کنند.