全局路径规划是机器人运动规划中的一个重要步骤，而快速随机树（Rapidly-exploring Random Tree，RRT）是一种常用于全局路径规划的算法。以下是RRT算法的基本原理：

1. 随机树的建立： RRT从起始点开始，通过不断地随机采样（通常在配置空间）并生成节点来构建一颗树。每个新生成的节点代表机器人在配置空间中的一个可能的状态。

2. 随机采样： 在配置空间中进行随机采样，生成一个新的目标点。这个目标点是随机生成的，但有可能是一个先前生成的节点。

3. 最近邻节点： 在树中找到离新生成的目标点最近的节点，这个节点将成为新节点的父节点。这有助于构建树的连接。

4. 路径扩展： 将新生成的节点沿着到最近邻节点的方向进行扩展，直到达到目标点或达到配置空间的边界。这一步鼓励树的生长朝着尚未被探索的区域。

5. 判断碰撞： 在路径扩展的过程中，需要检测路径上是否有碰撞。如果路径上有障碍物，就需要重新选择随机目标点。

6. 连接到树： 将新生成的节点连接到树上，形成新的边。这样，树逐渐扩展，直到达到目标。

7. 收敛条件： 当树的某一部分达到目标点附近，或者在给定的时间内树的生长停止，RRT算法可以认为已经找到一条从起始点到目标点的路径。

RRT算法的优点之一是其对非凸和高维配置空间的适应性。它在处理大规模、高维的配置空间时表现良好，并且能够在运行时动态适应环境的变化。然而，它的路径可能不是最优的，因此在某些情况下，可能需要通过后处理或使用其他规划算法进行优化。