diff --git a/Raporty/route-planning.md b/Raporty/route-planning.md
new file mode 100644
index 0000000..fa5d973
--- /dev/null
+++ b/Raporty/route-planning.md
@@ -0,0 +1,95 @@
+##### Raport przygotowały: Natalia Plitta, Marta Roszak, Kinga Molik, Sara Kowalska 
+
+##### Raportowany okres: 5 kwietnia - 26 kwietnia 2020 
+
+##### Niniejszy raport poświęcony jest przekazaniu informacji na temat stanu projektu grupowego realizowanego na przedmiot Sztuczna Inteligencja w roku akademickim 2019/2020.
+
+Ruch agenta został zaimplementowany przy za pomocą algorytmu A* z następującymi warunkami:
+
+- agent wykonuje: krok do przodu/ obrót w prawo/ obrót w lewo;
+- agent nie może wejść na pole "zajęte" przez stolik;
+- koszt wejścia na puste pole to 1;
+- koszt wejścia na pole z kałużą to 3.
+
+****
+
+Koszt F obliczany jest z sumy kosztu G i kosztu H.
+
+Koszt H obliczany jest z funkcji:
+
+```
+def heuristic(current, goal):    
+	dx = abs(current[0] - goal[0])    
+	dy = abs(current[1] - goal[1])    
+	return math.sqrt(dx * dx + dy * dy)
+```
+
+Która oblicza odległość do punku końcowego przy pomocy wzoru Euklidesa.
+
+Metoda __aStar__, wywoływana przez metodę __goByAStar__, wytycza ścieżkę, którą będzie poruszał się kelner.  W pierwszej kolejności sprawdzane jest czy nasz punkt docelowy jest osiągalny. Jeżeli tak to zaczynamy wytyczanie ścieżki.  Tworzymy węzły (obiekty klasy __Node__) startowy i końcowy oraz listy pomocnicze 'open' i 'closed'. 
+
+```python
+start_node = Node(None, start)
+start_node.g = start_node.h = start_node.f = 0
+end_node = Node(None, end)
+end_node.g = end_node.h = end_node.f = 0
+
+open_list = []
+closed_list = []
+open_list.append(start_node)
+```
+
+Dopóki lista 'open' ma dostępne pola jest możliwa dalsza droga.  Porównujemy koszty F i za każdym razem uaktualniamy obecny punkt, w którym koszt jest najmniejszy.
+
+Jeżeli nasz obecny węzeł jest węzłem końcowym tzn. osiągnęliśmy nasz cel, metoda zwraca nam ścieżkę zbudowaną z odwróconej listy "kroków" (stanów) do klasy kelner.
+
+Jeśli nie osiągnęliśmy celu przechodzimy do analizowania sąsiadów obecnej pozycji, najpierw sprawdzamy czy punkt ten jest osiągalny :
+
+```python
+for new_position in [(0, -1), (0, 1), (-1, 0), (1, 0)]:    
+    node_position = (current_node.position[0] + new_position[0],current_node.position[1] + new_position[1])    
+    if node_position[0] >= (rows - 1) or node_position[0] <= 0 or node_position[1] >= (rows - 1) or node_position[1] <= 0:                continue    
+    if node_position in cantwalk:
+        continue    
+new_node = Node(current_node, node_position)    
+children.append(new_node)
+```
+
+Tworzymy listę 'children'- potencjalnych następnych kroków.
+
+*Zmienna 'didBreak' pozwala nam na kontynuacje algorytmu bez redundantnego analizowania węzłów.*
+
+Jeśli nie analizowaliśmy danego węzła, obliczamy dla niego dany koszt G
+
+- jeśli jest on nieosiągalny - koszt jest zbyt duży do dalszego podążania w tym kierunku; 
+- jeśli jest to "kałuża" to koszt wynosi 3; 
+- jeśli jest to "zwykła płytka" koszt wynosi 1.
+
+Następnie obliczamy koszt H i koszt F (jako sumę G i H) dla danego węzła 'child' i dodajemy go do listy 'open'.
+
+```python
+if child.position in cantwalk:    
+	child.g = current_node.g + 99999
+elif child.position in puddles:    
+	child.g = current_node.g + 3
+else:    
+	child.g = current_node.g + 1
+child.h = heuristic(child.position, end_node.position)
+child.f = child.g + child.h
+```
+
+Kontrolowane jest również czy dany krok nie oddalałby agenta od celu:
+
+```python
+for open_node in open_list:
+   if child == open_node and child.g > open_node.g:
+    didBreak = True
+    break
+
+   if didBreak:
+    continue
+
+open_list.append(child)
+```
+
+Gdy wytyczona zostanie ścieżka, metoda __goByAStar__ przy pomocy dostępnych akcji (__rotateRight__, __rotateLeft__ i __goForward__), "wykonuje" odpowiednie ruchy, zgodne z wytyczoną ścieżką. 
\ No newline at end of file