PRM(확률론적 로드맵)이란 로봇의 구성 공간(Configuration Space)에서 형상을 무작위로 샘플링하여 충돌 없는 노드들을 연결한 그래프(로드맵)를 사전에 구축하고, 이후 시작점과 목표점을 로드맵에 연결해 경로를 탐색하는 샘플링 기반 경로 계획 알고리즘이다. 격자 탐색이나 포텐셜 필드 방식은 자유도가 늘어날수록 구성 공간이 지수적으로 커져 탐색이 비현실적이 되는데, PRM은 공간 전체를 열거하지 않고 샘플링으로 이를 근사함으로써 고차원 문제에 적용할 수 있다. 정적 환경에서 로드맵을 한 번 구축해 두면 서로 다른 시작·목표 쌍에 대해 반복 재사용할 수 있어, 조립 공정처럼 로봇팔이 여러 위치를 반복적으로 오가야 하는 환경에 적합하다. RRT(Rapidly-exploring Random Tree)도 샘플링 기반이지만, PRM이 다중 쿼리에 재사용 가능한 로드맵을 사전 구축하는 것과 달리 RRT는 단일 쿼리마다 트리를 새로 성장시킨다.