你有沒有看過機器人要走路，卻不能直接往目標衝過去？ 你可以把它想成先在腦中畫好一條安全路線，再讓機器人照著走，還要同時避開障礙物和動作限制。 它不只回答「要去哪裡」，也回答「怎麼走才真的走得到」，這就是運動規劃比單純找路更難的地方。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
容易混淆
運動規劃 vs 路徑規劃 運動規劃：還要考慮速度、轉向、加速度 路徑規劃：多半只看空間裡的可行路線 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
運動規劃 vs 控制 運動規劃：先決定整體怎麼走 控制：把規劃好的路徑變成實際電機訊號 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
記住這句就好
路能找到不夠，還要真的走得動。
實際案例
倉儲搬運車 搬運車要從貨架 A 走到貨架 B，系統會先算出能穿過走道、又不會撞到人的路線。
自動駕駛轉彎 車子不能只看地圖上的最短路，還要顧轉彎半徑、車道寬度、和其他車流。
算法與應用
運動規劃常把世界表示成狀態空間，然後在裡面找一條從起點到終點的可行軌跡。 常見方法有圖搜尋、取樣式搜尋、以及和最佳化結合的方法。 環境越動態，越需要把時間因素一起算進去。
情境判斷
Q1（直覺題）： 室內配送機器人要穿過走廊到會議室，最需要先做什麼？
先做運動規劃，找出能避開障礙物且符合機器人尺寸的路徑。
Q2（判斷題）： 如果環境臨時多了一個人站在路中間，原本規劃好的路還能直接用嗎？
不一定，得看是否還安全，若障礙物改變了可通行區域，就要重新規劃。
常見問題
運動規劃一定要最短路嗎？
不一定，很多時候安全、平順、耗能低，比絕對最短更重要。
它和導航地圖是一樣的嗎？
不是。導航地圖給你大方向，運動規劃處理的是機器人當下怎麼走。
高維空間為什麼更難？
因為可能狀態數暴增，路徑搜尋和碰撞檢查都會變重。