본 논문은 로봇 모션 플래닝에서 과거 경험을 활용하는 새로운 방법인 경로 데이터베이스 안내(PDG)를 제시합니다. 기존 방법들과 달리, PDG는 데이터베이스를 탐색 트리의 노드 확장을 위한 휴리스틱 계산에 사용합니다. 이는 기존의 경로 복사 또는 샘플링 분포 편향 방식과 대조적입니다. 또한, 기존의 고정된 사전 정보로 데이터베이스를 취급하는 것과 달리, PDG는 암시적으로 정의된 로봇 구성 공간을 탐색하면서 데이터베이스를 업데이트합니다. 다양한 환경 분포에서 시뮬레이션을 통해 PDG의 효과를 실험적으로 증명합니다.
