近年来,城市建筑越来越高,占地面积越来越广,高层火灾时常发生。消防员所配备装备的提升速度更是跟不上建筑高度增长的速度,高层火灾救援愈发困难。火灾现场是一个十分复杂且危险性未知的环境,人们一旦没有第一时间逃出火场,火场里迅速降低的能见度,以及高温、浓烟都将成为被困者逃出去的拦路石。同时被困者在极度紧张的心理情况下,很容易就放弃逃生。所以如何在复杂火灾场景下快速到达被困者位置并将其安全带出火场是一个严峻的挑战。本文对机器人在火灾环境下路径规划的关键问题进行了研究。为了将机器人周围环境的相关地图信息转换成计算机可以处理以及识别的抽象空间,分析了环境模型构建的方式,利用栅格法构建环境空间模型。考虑到加快路径的搜索,快速准确定位到被困者的位置,引入建筑信息模型(Building Information Modeling,BIM)辅助机器人进行建图,结合BIM中的建筑物材料信息,预测高温下可能发生垮塌的部位,将此部位提前设定成障碍物。使得火灾救援机器人进入火场前可以先获得建筑物室内的全局地图。路径寻优算法的选择是路径规划当中十分重要的一环。本文讨论了目前较为成熟的路径规划算法,同时探讨了蚁群算法的相关理论,并且研究分析了火灾情况下存在室内障碍物数量大、分布密集,同时救援时间紧迫等问题。针对上述情况提出了一种改进算法,利用障碍物预处理的方法来获取一条可行路径,使得算法在运行初期就能围绕着此路径避开大部分障碍物稳定地进行搜索;采用新的信息素更新规则,提取出当次迭代过程中的最短路径,并与上一迭代过程中的最短路径进行逐一节点的对比,基于节点的“贡献”,大幅提高同时存在于两条最短路径的节点的信息素含量。并且根据节点周围的障碍物分布情况来动态调整启发函数,根据路径的当中是否存在多余的转折来调整信息素挥发速率。使得算法在快速搜索到最优路径的同时避开了障碍物密集的区域。对于同一求解问题,将改进算法与其他同类型算法进行对比,仿真结果表明本算法能够稳定、快速的寻找到最优路径。最后对逃生人员的类型进行分析,对不同人员类型选择不同的逃生方式及路径。同时针对机器人在救援过程当中面对的未知障碍物,本文还研究了动态窗口策略,通过子目标的设定来不断更新环境信息,将全局路径转换成为多段局部路径来完成。机器人进入火场后在全局路径的“指引”下结合局部路径规划,使得救援更具有“方向性”。最后再结合一个特定的场景,借助BIM搭建环境模型,火灾动力学模拟软件(Fire Dynamics Simulator,FDS)对室内关键区域的温度、CO浓度变化情况进行仿真,机器人借助环境模型和FDS的仿真数据,选择一条安全、快速的逃生路径带领被困人员逃离火灾现场。