路径规划技术作为机器人领域的一个重点，目前得到了深入研究和广泛应用，而该项技术的核心就是路径规划算法。路径规划是指根据某种评价标准，在布满障碍物的环境中，从起点到目标点之间为机器人搜索一条无碰撞最优路径。本文重点研究机器人的路径规划算法。文中首先介绍了路径规划的基本原理，几种常见的环境模型和目前应用较多的一些规划算法，并总结归纳了这些算法的特点。RRT算法具有随机性，在规划过程中无需对规划环境建模；有着概率完备性，只要环境中存在有效路径，就一定可以找到一条可行路径，所以在机器人路径规划中得到了广泛应用。本文主要围绕RRT算法展开研究，进而提出两种改进算法，具体内容如下：针对基本RRT算法存在随机性大，收敛速度慢和搜索效率低等问题，本文提出了变概率指导性RRT算法。在目标偏向RRT算法的基础上，通过设置可变概率参数和局部引导点机制，使得随机树快速地朝着目标点方向生长；而且通过设置可变步长函数，使随机树可以有效避开障碍物，并加快了路径的收敛速度。为了完成机器人在动态不确定环境下的实时路径规划，本文提出一种人工势场法与变概率指导性RRT算法结合的改进算法。首先利用人工势场法在障碍物较少的初始地图环境下快速地为机器人预规划出一条初始路径。当有新的障碍物出现并且覆盖了初始路径时，启动实时路径规划。在新的障碍物周围确定合适的规划空间，利用变概率指导性RRT算法规划局部路径。最后，将初始路径与局部路径合并，得出最终路径。设置不同的仿真环境，仿真实验采用MATLAB软件运行。将两种改进算法在不同的环境下进行仿真实验，确定算法中参数的选取并验证改进算法的可行性和有效性。仿真实验结果表明改进算法是可行的，与其它算法相比，具有很好的路径寻优能力和避障性能。