摘要：针对复杂环境下路径规划的高效性和动态避障问题，提出了一种融合全局快速随机探索树(Rapidly exploring Random Tree*,RRT*)与局部模型预测路径积分(Model Predictive Path Integral,MPPI)的路径规划算法。在全局规划阶段，改进的RRT*算法通过环境感知模型评估局部环境复杂度，并引入方向偏置因子优化路径的收敛速度。同时，提出了自适应重布线半径和剪切插值策略，提高了搜索效率，为算法提供高质量的导航节点。在局部规划阶段，基于RRT*的初始全局路径，模型预测路径积分结合自适应目标点导航策略，在动态半径圆内对路径节点进行搜索，并根据权重评估选取最优导航点。引入障碍物动态约束增强动态避障能力，实现路径的实时调整以规避动态障碍物。实验结果表明，所提出的改进算法与标准RRT*引导MPPI算法在复杂动态环境相比，规划成功率提高了12.37%，规划时间降低了29.20%，且总移动距离也小于其他方法，显著提高了路径规划效率和路径平滑性，表现出优异的鲁棒性和适应性。
