路径规划技术在机器人学、CAD设计、计算机动画、虚拟现实系统和分子生物学等领域具有广泛的应用。在过去二十年中，路径规划问题的研究取得了很大进展。在静态环境中，已提出了各种针对位姿空间中困难区域的路径规划方法。而可变环境下的路径规划问题由于其复杂性，针对困难区域的研究还刚刚处于起步阶段。主要的难点在于障碍物的变化会引起位姿空间中困难区域位置的改变，而规划器需要快速的在困难区域内增加有效点的数量才能帮助机器人通过这些困难区域。 本文以机械臂路径规划为代表，对包含困难区域的可变环境下的机器人路径规划问题进行了研究。提出了一种基于动态搭桥算法的路径规划方法和一种基于可预测模型的的路径规划方法。这两种方法的共同目的在于快速的定位出困难区域，并且增加其中采样点的数量，提高求解的性能。不同点在于前者将大部分可能的碰撞检测计算提前到预处理阶段进行，而后者将大部分必须的碰撞检测计算延迟到搜索路径阶段进行。两种方法将碰撞检测计算的次数降到最低，从而使得算法能够适应可变环境下的实时性要求。 本文设计了两个不同的包含困难区域实验场景来验证算法的有效性。通过大量的仿真实验结果表明，本文的方法在对困难区域有很好的适应性，并且时间效率也很高，能够适应复杂可变环境下的路径规划。