運動規劃，也稱為路徑規劃是一個計算問題，以找到一個有效的配置序列，將物體從源頭移動到目的地。這個術語被用于計算幾何學、計算機動畫、機器人和計算機游戲。例如，考慮為建筑物內的移動機器人導航，使其到達一個遙遠的航點。它應該在執行這項任務的同時避開墻壁，不掉下樓梯。運動規劃算法將把這些任務的描述作為輸入，并產生發送給機器人車輪的速度和轉向命令。運動規劃算法可能會解決具有更多關節的機器人、更復雜的任務、不同的約束和不確定性。運動規劃在機器人領域有若干應用，如自主性、自動化和CAD軟件中的機器人設計，以及在其他領域的應用，如數字人物的動畫、視頻游戲、建筑設計、機器人手術和生物分子的研究。

一個基本的運動規劃問題是計算一條連接起始配置S和目標配置G的連續路徑，同時避免與已知障礙物發生碰撞。機器人和障礙物的幾何形狀在二維或三維工作空間中描述，而運動則表示為配置空間（可能是高維）中的路徑。

一個配置描述了機器人的姿勢，而配置空間C是所有可能配置的集合。比如說。如果機器人是一個在二維平面（工作空間）中平移的單點（零尺寸），C就是一個平面，一個配置可以用兩個參數（x，y）來表示。如果機器人是一個可以平移和旋轉的二維形狀，工作空間仍然是二維的。

自由空間避免與障礙物碰撞的配置集被稱為自由空間Cfree。Cfree在C中的補充被稱為障礙物或禁止區域。通常，明確地計算Cfree的形狀是非常困難的。然而，測試一個給定的配置是否在Cfree中是有效的。首先，前向運動學確定機器人的幾何形狀的位置，而碰撞檢測則測試機器人的幾何形狀是否與環境的幾何形狀發生碰撞。

目標空間是自由空間的一個子空間，表示我們希望機器人移動到哪里。在全局運動規劃中，目標空間是可以被機器人的傳感器觀察到的。然而，在局部運動規劃中，機器人在某些狀態下無法觀察到目標空間。為了解決這個問題，機器人會經過幾個虛擬的目標空間，每個目標空間都位于可觀察的區域內（機器人周圍）。一個虛擬目標空間被稱為一個子目標。

障礙物空間是機器人不能移動的空間。障礙空間與自由空間不相反。

低維問題可以用基于網格的算法來解決，這種算法在配置空間的頂部覆蓋一個網格，或者用幾何算法來計算Cfree的形狀和連接性。復雜約束條件下的高維系統的精確運動規劃在計算上是難以實現的。電勢場算法是有效的，但會受到局部最小值的影響（諧波電勢場是一個例外）。基于抽樣的算法避免了局部最小值的問題，并能相當快地解決許多問題。它們不能確定沒有路徑存在，但它們有一個失敗的概率，隨著花費的時間越多，概率越小。基于采樣的算法目前被認為是在高維空間中進行運動規劃的最先進的方法，并已被應用于有幾十甚至幾百個維度的問題。

基于網格的方法在配置空間上覆蓋了一個網格，并假設每個配置都被識別為一個網格點。在每個網格點，只要它們之間的線完全包含在Cfree內，機器人就可以移動到相鄰的網格點。