로봇 공학에서 실시간 경로 계획을 위한 기계 학습 기반 및 전통 기술의 비교 분석

초록 로봇의 성능과 효율성은 로봇 제어의 필수 요소인 움직임 계획에 의해 크게 영향을 받습니다. 본 논문은 전통적 접근 방식과 기계 학습 기반 접근 방식을 포함한 경로 계획 알고리즘을 비교하여 실시간 장애물 회피 및 목표 추적을 수행합니다. 학습 기반 신경 계획인 움직임 계획 네트워크(MPNet)는 안전한 인공 잠재 필드(SAPF), 표준 인공 잠재 필드(APF), 소용돌이 APF(VAPF), 동적 창 접근(DWA) 등 여러 기존 알고리즘과 함께 평가됩니다. 시뮬레이션 결과에 따르면 MPNet은 경로 효율성 및 충돌 회피와 같은 중요한 메트릭에서 전통적인 기술에 비해 우수한 성능을 보여줍니다. 시뮬레이션 데이터에 따르면 MPNet은 충돌 회피 및 경로 효율성 등 중요한 영역에서 전통적인 방법보다 더 뛰어난 성능을 발휘합니다. 이러한 결과는 각 알고리즘의 장단점과 동적 상황에서 실시간 경로 계획과 관련된 문제를 해결하는 데 있어 MPNet과 같은 학습 기반 전략의 효과성을 보여줍니다.