Key points are not available for this paper at this time.
La planification de trajectoire pour robots mobiles fait référence à la conception d'une trajectoire sûre, sans collision, avec la distance la plus courte et le moindre temps depuis le point de départ jusqu'au point d'arrivée, réalisée de manière autonome par un robot mobile. Dans cet article, une revue systématique des techniques de planification de trajectoire pour robots mobiles est présentée. Tout d'abord, la planification de trajectoire est classée en planification de trajectoire globale et planification de trajectoire locale, selon la maîtrise des informations environnementales. Dans la planification de trajectoire globale, les méthodes de modélisation de l'environnement et la méthode d'évaluation de la trajectoire sont introduites. Les méthodes de modélisation de l'environnement comprennent la méthode de grille, la méthode topologique, la méthode des caractéristiques géométriques et la méthode de représentation mixte. Dans la planification de trajectoire locale, nous présentons les capteurs couramment utilisés pour la détection de l'environnement, y compris le radar laser et le capteur visuel. Ensuite, selon les caractéristiques des algorithmes, les algorithmes de planification de trajectoire pour robots mobiles sont divisés en trois catégories : algorithmes classiques, algorithmes bioniques et algorithmes d'intelligence artificielle. Parmi les algorithmes classiques, nous introduisons la méthode de décomposition cellulaire, la méthode basée sur l'échantillonnage, l'algorithme de recherche de graphes, la méthode de champ potentiel artificiel et la méthode de fenêtre dynamique. Dans l'algorithme basé sur la bionique, nous introduisons en détail l'algorithme génétique, l'algorithme de la colonie de fourmis, l'algorithme du loup gris, etc. Dans l'algorithme d'intelligence artificielle, nous introduisons l'algorithme de réseau neuronal et la logique floue. Enfin, nous comparons les technologies clés de la planification de trajectoire pour robots mobiles sous forme de graphiques et de tableaux, en nous basant sur les statistiques de classification de la littérature collectée pour fournir des références pour les recherches futures.
Liu et al. (Mer,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: