随着空中和地面移动机器人的深入研究,促进了具有多种运动能力的多栖机器人的发展。陆空两栖机器人作为多栖机器人的一个重要分支具有空中和地面两种运动能力。陆空两栖机器人自主运动时,需要为机器人规划出一条从起点到目标点无碰撞的三维路径。同时在运动过程中,陆空两栖机器人需要根据当前的环境信息自主决策选择较优的运动模式。因此,以复杂环境下陆空两栖机器人为研究对象,开展了针对环境建模、路径规划算法以及切换决策算法的研究。首先对传统A*算法基本原理和实现过程进行阐述。在使用栅格法进行环境建模时,融入了障碍物的高度信息构建2.5维栅格地图;在进行规划时考虑地面和空中不同环境下运动能耗和时间的综合代价,改进A*算法的启发式函数;在回溯获得路径时去除冗余路径点。在通过障碍栅格时,规划空中路径点生成适用于陆空两栖机器人运动的三维路径。仿真结果表明,本文提出的改进A*算法能够缩短规划路径长度、减少转折次数、缩小转折角度。然后对陆空两栖机器人地面和空中两种运动模式进行分析,建立两种模式下的能耗模型。在决策切换运动模式时,考虑不同模式下的运动能耗、时间以及安全性设计了针对多目标优化的决策函数。通过分析陆空两栖机器人的环境状态采用神经网络代替Q表的强化学习算法,用于决策机器人在当前环境状态下更优的运动模式。仿真实验验证了该算法能够有效实现机器人运动模式的切换决策。最后使用搭建的陆空两栖机器人平台进行实验验证,为实现机器人自主控制设计了状态机实现机体各状态之间的切换,在机器人自主控制的基础上分别开展了规划实验和切换决策实验。实验结果表明,机器人采用的规划算法以及设计的决策函数能够有效的根据环境地图为机器人规划路径并且机器人可以根据决策函数实现自主决策。