AI 词汇表
人工智能完整词典
4D时空规划
人工智能与机器人学的一个学科，旨在为智能体计算最优动作序列，同时优化其在三维空间中的轨迹和时间进程，同时遵守一系列动态约束。
时间参数化构型空间（TC-Space）
经典构型空间的扩展，其中每个点不仅代表系统的位置和姿态，还代表一个精确的时刻，允许将时间约束建模为该增强空间中的障碍物。
离散时间图（DTG）
规划中使用的数据结构，用于表示系统在离散时间间隔内可达的状态，其中节点为状态（x, y, z, t），边代表这些时间状态之间的有效转换。
时间可行轨迹
时空中的轨迹，不仅满足系统的运动学和动力学约束（如最大速度、加速度），还满足所有施加的时间约束，如截止日期或时间窗口。
RRT*（快速探索随机树星）
基于采样的树算法，具有渐近最优性，适用于4D规划，通过随机探索时间参数化构型空间并重新组织树结构，以保证收敛到时间或能量最短路径。
时间增强状态
系统的表示形式，将时间显式包含为其状态向量的一个分量，使规划算法能够推理动作执行的时刻，以及系统的位置和构型。
时空成本
4D规划中使用的目标函数，不限于空间距离，而是结合多种指标，如行程时间、能耗、风险或舒适度，通常加权以反映任务优先级。
时间参数化A*（A* with Time）
A*路径搜索算法的变体，其中启发式函数不仅估计距离成本，还估计时间成本，且探索的节点包含时间分量，以避免与移动障碍物发生碰撞。
动态障碍物
位置和/或形状随时间变化的实体，其轨迹必须被预测并纳入4D规划中，以确保规划代理的无碰撞轨迹。
4D轨迹平滑
后处理过程，将规划器生成的离散且可能颠簸的轨迹转换为时空中的连续可导曲线，同时满足车辆动力学约束。
障碍物轨迹预测
4D规划的核心模块，使用模型（如：卡尔曼滤波、神经网络）估计动态障碍物的未来位置，使规划器能够评估未来时刻的碰撞风险。
多智能体时空规划
多个智能体需协调计算各自4D轨迹以达成各自目标的规划问题，同时避免彼此间以及与环境中静态/动态障碍物的碰撞。
混合A*
结合A*离散搜索与连续性验证及非完整约束（如：车辆转弯半径）的轨迹规划算法，常用于自动驾驶的时空环境中。
时间约束到达状态
4D规划问题中的目标条件，不仅指定目标位置，还指定到达的时间区间或精确时刻，使有效路径的搜索变得更加复杂。