本研究提出了一种数据驱动的学习方法，用于解决运动规划中需要从头生成解决方案的问题。通过构建复杂场景并收集专家数据，提炼出通用的反应策略，并结合轻量级优化实现了在真实世界中的安全路径规划。该方法在多种运动规划任务中相比现有技术有显著提高。

本研究通过学习密度分布计算无人系统前向可达状态的数据驱动方法，结合模型预测控制，应对系统不确定性进行可验证的安全路径规划。在自动驾驶和气垫船控制方面的实验中，证明了该方法在处理不确定性和复杂动态系统中的优异性能。