2007年，Oscar Castillo 他们为了解决离线状态下点对点移动机器人规划行走路线的问题，想出了一种改良版的遗传算法。原本的遗传算法里，他们依据帕累托最优那种合理分配资源的思路，把遗传算法变成了能处理多个目标的多目标遗传算法。2018年，张菁等人碰到协同博弈路径规划里的难题，也就是怎么让机器人能实时适应环境里的对抗性反馈，还要让多个智能体之间相互配合得好。为此，他们提出一种结合神经网络和人工势场的协同博弈路径规划算法。比起以前经典的人工势场法，这个新算法在性能上有了很明显的提高。

2019年，余必秀等人要解决无人航道测量船避开障碍物的路线，还得和测量路线一致的问题，就提出了改进后的A算法。在原来计算代价的函数基础上，新增加了一项和当前位置到预定航线垂直距离有关的代价数值。这样一来，测量船在保证安全躲开障碍物的同时，还能更快地回到预定的航线上去。在物流系统里，移动机器人的路径规划和躲避障碍物技术的研究，不管是研究得有多深入，还是研究范围有多广，都有了很大的进步。这些成果给咱们研究数字孪生下的路径规划打下了技术基础。

数字孪生（digital twin），简单说就是用数字化的方式给真实存在的物理实体做一个虚拟模型。这个模型能靠数据模拟出物理实体在现实环境里的各种行为。通过让虚拟和真实的部分相互交流反馈、把数据融合起来分析、不断优化决策这些办法，给物理实体增添或者拓展新的能力。数字孪生是一种充分利用模型、数据、智能，还集合了多个学科知识的技术。它贯穿产品从开始设计到最后不用的整个生命周期，就像一座桥梁和纽带，把现实的物理世界和虚拟的信息世界连接起来，提供更及时、高效、智能的服务。