针对渐进最优快速扩展随机树(RRT*)应用于机器人路径规划中时存在精度低、环境适应性差等问题,提出一种基于稀疏节点与双向插值的RRT*改进算法。将目标偏向采样和稀疏节点法引入RRT*算法中,通过避免对局部区域过度的搜索,达到提高初始路径搜索效率的目的;借助三角不等原理思想,对初始路径中的冗余节点进行剔除,并基于双向插值方法对路径节点进行优化,以更短的时间获得次优路径。在多种仿真环境中的实验结果表明:相对于RRT*算法、Informed-RRT*算法和Q-RRT*算法,改进算法的初始路径规划效率提高了61%,次优路径规划效率提高了59%,且在多种环境下均具有很强的稳定性。最后,在实际的机器人路径规划实验中对所提算法的有效性进行了进一步验证。