人工势场法路径规划是由Oussama Khatib提出的一种路径规划算法（Oussama Khatib，Real-Time obstacle Avoidance for Manipulators and Mobile Robots. Proc of The 1994 IEEE.）。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来来控制机器人的运动方向和计算机器人的位置。

引力场（attraction）随机器人与目标点的距离增加而单调递增，且方向指向目标点； 斥力场（repulsion） 在机器人处在障碍物位置时有一极大值，并随机器人与障碍物距离的增大而单调减小，方向指向远离障碍物方向。

引力势场的范围比较大，而斥力的作用范围只是局部的，当机器人和障碍物的距离超过障碍物影响范围的时候，机器人不受排斥势场的影响。因此，势场法只能解决局部空间的避障问题，它缺乏全局信息，这样，它就很容易陷入局部最小值。所谓局部最小值点，就是在引力势场函数和斥力势场函数的联合分布的空间内，在某些区域，受到多个函数的作用，造成了局部最小点。当机器人位于局部最小点的时候，机器人容易产生振荡或者停滞不前。障碍物越多，产生局部最小点的可能性就越大，产生局部最小点的数量也就越多。

人工势场算法缺陷

1、当物体离目标点比较远时，引力将变的特别大，相对较小的斥力在甚至可以忽略的情况下，物体路径上可能会碰到障碍物。

可以通过修正引力函数来解决，避免由于离目标点太远导致引力过大。

2、当目标点附近有障碍物时，斥力将非常大，引力相对较小，物体很难到达目标点。

引入新的一种新的斥力函数。

3、在某个点，引力和斥力刚好大小相等，方向想反，则物体容易陷入局部最优解或震荡。

可以通过加一个随机扰动，让物体跳出局部最优值。类似于梯度下降法局部最优值的解决方案 。

Matlab代码

目标点和障碍物对机器人所在位置的角度:

目标点对智能体所在位置引力计算:

障碍物对智能体所在位置斥力计算：