OMPL OMPL是一个基于采样/随机运动规划算法的开源库。基于采样的算法在概率上是完整的：如果存在一个解决方案，最终会找到解决方案，但是不能报告解决方案的不存在。这些算法很有效，通常可以快速找到解决方案。
OMPL不包含任何与碰撞检查或可视化相关的代码，因为OMPL的设计者不希望将其绑定到任何特定的碰撞检查器或可视化前端。该库的设计使其可以轻松集成到提供附加组件的系统中。MoveIt！直接与OMPL集成，并使用OMPL中的运动规划器作为其默认的规划器集。
OMPL的规划者是抽象的; 即OMPL没有机器人的概念
CHOMP 用于运动规划的协变哈密顿量优化（CHOMP）是一种新颖的基于梯度的轨迹优化程序，它使许多日常运动规划问题既简单又可训练（Ratliff等，2009c）。虽然大多数高维运动规划器将轨迹生成分为不同的规划和优化阶段，但该算法利用协变梯度和功能梯度方法来优化阶段，以设计完全基于轨迹优化的运动规划算法。
鉴于不可行的幼稚轨迹，CHOMP对周围环境作出反应，以快速将轨迹拉出碰撞，同时优化动态量，例如关节速度和加速度。它可以快速收敛到平滑的无碰撞轨迹，可以在机器人上高效执行.CHOMP的计划远离障碍物的方法产生非常平滑，自然的运动
STOMP STOMP(Stochastic Trajectory Optimization for Motion Planning)
（运动规划的随机轨迹优化）是基于PI ^ 2（路径积分的政策改进）.
算法的基于优化的运动规划器。它可以规划机器人手臂的平滑轨迹，避开障碍物，并优化约束。该算法不需要梯度，因此可以像成本函数那样优化成本函数中的任意项。.
运动规划的随机轨迹优化（STOMP）是一种概率优化框架。STOMP在合理的时间内产生平滑良好的无碰撞路径。该方法依赖于产生噪声轨迹以探索初始（可能不可行）轨迹周围的空间，然后将这些轨迹组合以产生具有较低成本的更新轨迹。在每次迭代中优化基于障碍物和平滑度成本的组合的成本函数。我们使用的特定优化算法不需要梯度信息，因此可能无法获得衍生物的一般成本（例如，对应于约束和电机转矩的成本）可以包括在成本函数中。
STOMP的一些优势包括：它可以结合其他目标功能，如扭矩限制，能量和工具约束。
STOMP可以处理不需要区分的成本函数。它使用距离场和球面近似来快速计算距离查询和碰撞成本
STOMP只能用于机械臂关节空间的路径规划,不能用于空间末端的运动轨迹规划
CHOMP可以用作STOMP获得的计划的后处理优化技术。
STOMP为CHOMP生成初始路径。然后CHOMP采用这条初始路径并进一步优化这一轨迹
