งานวิจัยจาก Michael Moncton และ Eric Frew ชี้ให้เห็นว่าทฤษฎีการวางแผนเส้นทางหุ่นยนต์แบบสุ่ม (Sampling-based motion planning) ที่ใช้อยู่ในปัจจุบันมีสมมติฐานที่อาจไม่เป็นจริงในทางปฏิบัติ โดยเฉพาะเรื่อง δ-similarity ซึ่งเชื่อว่าการสุ่มเส้นทางที่ใกล้เคียงกับเส้นทางที่ดีที่สุดจะทำให้ได้ผลลัพธ์ที่เหมาะสมเสมอ
ผู้วิจัยได้ระบุถึงปัญหา 'Crowding Out' ซึ่งเป็นกรณีที่เส้นทางต้นทุนต่ำในระดับท้องถิ่นขัดขวางไม่ให้เส้นทางที่ดีที่สุดถูกบรรจุลงในโครงสร้างการตัดสินใจ (Tree) งานวิจัยนี้พิสูจน์ให้เห็นว่าเราสามารถบรรลุการวางแผนเส้นทางที่เกือบเหมาะสมที่สุด (Near-optimality) ได้โดยไม่ต้องพึ่งพาเงื่อนไข δ-similarity หากมีการจัดการปัญหา Crowding Out อย่างเหมาะสม
