本文提出了一种新的路径规划算法Zonal RL-RRT，结合kd树分区和Q学习，旨在提高高维空间中的时间效率与成功率。该算法在森林状地图中实现了比基本采样方法快3倍的速度，并在多种环境中表现出比启发式方法优越1.5倍的性能，展示了其适应不同环境的潜力。