自主移动智能体（AutonomousMobileAgent）是智能体研究和工程应用的一个重要领域，对于移动智能体而言，其自主导航能力是智能体各个能力中重要的一部分。自主导航包括路径规划、避障策略、定位、环境感知等多个方面，要求移动智能体不具备任何先验的环境知识，仅根据自身配备的传感器来感知周边环境内的障碍物信息，并根据此信息自主规划它的动作、制定运动轨迹，最终尽可能高效、可靠地从初始位置（或初始位姿）到达指定的目标位置（或终止位姿）。移动智能体自主导航需要满足一定的约束条件，这些约束条件包括：与障碍物间无碰撞、路径长度最短、能源消耗最少、时间消耗最少、以及移动智能体的动力学约束等。本文主要研究了移动智能体在大尺度范围内和小尺度范围内未知环境下的自主导航问题，主要的研究内容和创新点现概括如下：1.提出矢量化路径描述方法，以路径矢量组来表示路径。该方法中提出以一组首尾相连的矢量来描述、保存规划路径，移动智能体在根据矢量化的路径行进时，可以直接根据规划路径执行前进、转向指令。而且该方法可以有效的避免路径规划过程对地图构建的依赖，无需地图存储及维护的庞大数据，因此可以大幅度降低保存路径时的空间需求。提出的路径更新计算方法可方便的进行路径的维护和更新，并大大减少路径更新时的计算量。2.将矢量化路径描述方法与Bug算法思想相结合，解决大尺度范围内静态未知环境下移动智能体自主导航问题。研究中借鉴了Bug系列算法中“朝向目标位置移动”和“遇到障碍物转身”的思想，并将其与矢量化路径描述方法紧密结合。首先以起始位置和目标位置构建初始路径，令移动智能体沿初始路径行进，在行进过程中，移动智能体根据不同的条件对未知的环境及其中的障碍物进行检测，一旦发现有障碍物阻挡当前行进路径，则生成中间插入点并更新路径，然后令移动智能体沿更新后的路径继续行进，最终令移动智能体无碰撞的到达目标位置。研究中提出了两种中间插入点的生成方法，分别是扫描生成和随机生成。两种方法中，扫描方式相比于随机方式而言，更容易得到路径长度较优的规划结果；而随机生成方式则具有更好的全局搜索能力。对于扫描生成中间点时易得到局部最优解的缺点，研究中提出了改进方法，使得移动智能体在陷入局部最优后，能够迅速走出局部最优；而对于中间点的随机生成方式则提出了快速收敛策略，以得到较短的运行轨迹和较少的规划时间。3.将矢量化路径描述方法运用到大尺度范围内动态未知环境下移动智能体的自主导航研究中，解决环境中具有未知移动障碍物的自主导航问题。依据矢量化路径描述方法的思想，首先建立初始路径，令移动智能体在沿路径行进的过程中以规定的时间间隔对周边环境进行检测，查找是否有障碍物，一旦发现有障碍物存在，则根据研究中提出的一系列步骤，判定障碍物的移动趋势，并断定该障碍物是否会阻挡当前行进路径。一旦发现有障碍物已经阻挡或将有可能阻挡当前路径时，根据提出的中间点生成算法，朝向障碍物移动的相反方向生成中间插入点并实时更新路径，然后令移动智能体沿更新后的路径行进，直至安全无碰撞的到达目标位置。4.充分考虑移动智能体的动力学约束，提出基于Bug思想的小尺度范围内移动智能体自主导航算法。将Dubins路径与Bug算法相结合，在移动智能体从一个位姿向另一个位姿运动的过程中，根据移动智能体的最小转向半径构建Dubins路径，并令移动智能体沿Dubins路径行进，以满足其动力学特性。首先令移动智能体沿Dubins路径从初始位姿向终止位姿移动，并在规定的条件下感知环境信息，一旦移动过程中发现有障碍物阻挡当前路径，则根据提出的中间位姿生成方法，生成中间位姿，并构造两条分别由当前位姿到中间位姿、由中间位姿到终止位姿的Dubins路径，令移动智能体从当前位姿沿该路径向终止位姿移动。移动过程中不断重复移动、感知、生成中间位姿等一系列过程，直至移动智能体无碰撞的到达终止位姿。