Steven M. LaValle

概述

Steven M. LaValle 是国际知名的计算机科学家和机器人学家，现任芬兰奥卢大学（University of Oulu）教授。他以提出快速扩展随机树（RRT）算法而闻名，该算法彻底改变了高维空间运动规划领域。LaValle 于 1995 年在伊利诺伊大学厄巴纳 - 香槟分校（UIUC）获得博士学位，师从 Seth Hutchinson。他曾先后在爱荷华州立大学和 UIUC 任教，并曾在 Oculus VR 担任首席科学家，致力于虚拟现实技术研究。其著作《Planning Algorithms》是该领域的标准教材。

关键内容

学术生涯与贡献

LaValle 的学术生涯始于对运动规划理论的深入研究。1998 年，他在爱荷华州立大学任职期间发表了关于 RRT 的技术报告，提出了一种通过随机采样构建树结构来探索高维空间的新方法。这一工作解决了当时概率路线图方法（PRM）在处理单查询问题和非完整约束时的局限性。随后，他与 James Kuffner 合作提出了 RRT-Connect 算法，进一步提升了规划效率。

LaValle 的研究兴趣广泛，不仅限于运动规划，还涵盖了信息空间理论、传感器网络、博弈论以及虚拟现实。他在虚拟现实领域的贡献尤为突出，特别是在头部追踪和显示技术方面，这为他后来加入 Oculus VR 奠定了基础。他的研究工作体现了理论与应用的紧密结合，既推动了数学理论的发展，又解决了实际工程中的复杂问题。

《Planning Algorithms》教材

2006 年，LaValle 出版了专著《Planning Algorithms》，由剑桥大学出版社发行。这本书系统地阐述了运动规划、决策论、博弈论和信息空间等领域的算法原理。书中不仅详细介绍了 RRT、PRM 等基于采样的方法，还将视野扩展到了更广泛的规划问题。该书提供了免费的在线版本，极大地促进了知识的传播，被全球数百所大学的机器人学课程采用，培养了一代又一代的研究者和工程师。

荣誉与影响

LaValle 是运动规划领域最具影响力的学者之一。他的 RRT 算法论文累计被引用超过 8000 次，成为该领域被引最高的文献之一。他提出的算法框架具有极高的通用性和模块化特点，使得后续研究者能够在此基础上开发出 RRT、Informed RRT 等众多变体。LaValle 的工作标志着运动规划从“理论驱动”向“应用驱动”的范式转变，证明了简单而实用的算法在解决复杂实际问题中的巨大价值。

来源

• raw/books/机器人学/11-lavalle-rapidly-exploring-random-trees.md

相关

• 快速扩展随机树 (RRT)
• Planning Algorithms
• 运动规划
• RRT-Connect