RRT算法（快速探索随机树，Rapidly-exploring Random Tree）是一种广泛应用于机器人路径规划和自动驾驶领域的采样型运动规划算法。该算法通过在构型空间中随机采样并逐步构建树状结构来实现对未知空间的高效探索，其核心思想是利用随机采样点引导树的生长方向，同时通过最近邻搜索和碰撞检测确保路径的可行性。RRT算法特别适合解决高维空间中的复杂路径规划问题，因其计算效率高且不需要预先构建完整的环境地图。
在自动驾驶领域，RRT算法常被用于局部路径规划和紧急避障场景。当车辆传感器检测到突发障碍物时，RRT能够快速生成多条可行路径供决策系统选择。与传统的A*、Dijkstra等算法相比，RRT不需要完整的全局地图信息，这种特性使其在动态环境中表现出显著优势。近年来，RRT的改进算法如RRT*、Informed-RRT*进一步通过渐进最优化和启发式采样提高了路径质量，这些变种算法已逐步应用于自动驾驶汽车的轨迹平滑和停车场自主泊车等实际场景。