针对快速扩展随机树(RRT)算法路径代价大、采样过程慢的问题，提出1种改进的RRT算法对六自由度机械臂进行路径规划。结合RRT*和RRT-connect算法的优点，应用目标采样的思想加强算法向目标点搜索的趋向性，引入贪婪思想提高算法效率，结合五次B样条插值对路径进行平滑优化，缩短规划路径的时间及长度；利用Python中的matplotlib功能包统计RRT与改进的RRT算法规划所需时长、采样点数与路径长度，且在ROS平台中利用动态规划库进行算法配置，验证改进算法的路径规划效果。结果表明：相比传统RRT算法，采用所提改进算法对六自由度机械臂进行路径规划，在平均路径长度上缩短了29.5%、在规划路径时间上缩短了8.5%，路径规划成功率提高至96.7%，验证了该算法在实际应用中的可行性。