在ROS中，常用的局部路径规划算法包括：
动态窗口法（DWA）
原理：在速度空间（v,w）中采样多组速度，模拟这些速度在一定时间内的运动轨迹，通过评价函数对轨迹进行评价，选取最优轨迹对应的速度驱动机器人运动。
优点：计算简单，适用于差分和全向车模。
缺点：前瞻性不足，动态效果差，不适用于阿克曼模型车模。
时间弹性带（TEB）
原理：连接起始、目标点，让路径可以变形，变形条件是将所有约束当做橡皮筋的外力。通过图优化求解多目标优化问题。
优点：前瞻性好，适用于各种车模，对动态障碍有较好的避障效果。
缺点：计算复杂，速度和角速度波动大，控制不稳定。
模型预测控制（MPC）
原理：在每一个采样时刻，根据当前的测量信息，在线求解一个有限时间开环优化问题，并将得到的控制序列的第一个元素用于被控对象。
优点：可以考虑空间状态变量的各种约束，适用于多输入多输出的复杂控制系统，能使车辆的控制更加平稳、更接近于期望轨迹。
缺点：计算复杂度较高。
Trajectory Rollout
原理：采样机器人当前的状态，针对每个采样的速度，计算机器人以该速度行驶一段时间后的状态，得出一条行驶的路线，利用评价标准为多条路线打分，选择最优路径。
优点：能在一定程度上实现避障和路径规划。
缺点：与DWA相比，效率较低，内存占用较多。
