在第一课中，
你看到了一些最好的规划算法，解决了运动规划问题。但我们从未正式定义过这个问题。我想现在就这样做。
现在，有一个词你可能会遇到很多如果你开始阅读关于运动规划算法的材料。
该词定义为“配置空间”. 给定世界中所有可能的机器人配置。考虑你在第一课中看到的迷宫词，这些词都是2D网格，
机器人配置有时是两个,当我们将它呈现为x,y点时，有时候还包括机器人的航向时的三维空间。
实际上，可以成为车辆的配置空间,根据我们决定使用的运动规划算法，甚至更大。
考虑到这个配置空间的想法，我们可以如下定义运动规划问题。
我们有三件事。
初始配置，目标配置
以及描述车辆如何被允许移动的一些限制，
其动态和环境描述。
在这里，理解这个如何连接是很重要的您最近了解的其他决策模块。
通常，启动配置是由我们提供给我们的汽车的当前配置.
本地化价值和给我们提供关于汽车位置信息的传感器，速度，加速度等等。
行为层为我们提供了所需的最终配置，并且可能会限制哪些地方以及以何种速度。
最后，预测通过给我们来完成这个问题,有关障碍区域如何及时演变的信息。
这样，我们生成的操作顺序就是这样考虑到其他车辆和行人的行为。
如果我们正在使用更复杂的预测模块，我们的行为如何影响他们。
运动计划问题就可以解决,定义为可行动的最终顺序.
机器人从中移动的配置空间,开始配置到最终配置而不会遇到任何障碍。现在，我将要求您在以下问题中考虑配置空间。
