ロボットが実世界で安全かつ効率的に動作するには、環境の変化に対応できる経路計画技術が不可欠である。本論文は、2015年から2025年の間に発表された138件の研究を対象とした包括的なサーベイで、動的環境下での経路計画に関する古典的手法から学習ベースの最新アプローチまでを体系的に整理している。 経路計画の手法は、その原理に基づいて5つのカテゴリに分類されている。サンプリング法、グラフ探索法、モデル予測制御（MPC）、学習ベースの手法、そして速度障害物法（Velocity Obstacles）、ポテンシャル場法、動的ウィンドウなどの古典的な局所計画法である。学習ベースのアプローチには、教師あり学習と強化学習が含まれ、これらはロボットが環境データから直接経路計画戦略を習得できるようにする。 また本調査は、動的知覚の重要な役割に焦点を当て、カメラやLiDAR、イベントベースセンサーを用いた移動障害物の検出とモデリング技術についても詳述している。各手法の基本原理、強み、限界を分析し、動的環境特有の課題である予測の不確実性、人間とロボットの相互作用、ロボットが一時停止する「フリーズ問題」などに特に注目している。 このサーベイは研究者に対して、動的環境における経路計画手法の体系的理解を提供し、今後の研究開発の方向性を示すための重要なリファレンスとなる。