
Méthodologie basée sur les réseaux neuronaux pour la planification en temps réel de la trajectoire d'un robot
Versandkostenfrei!
Versandfertig in 6-10 Tagen
23,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
La planification en temps réel de mouvements sans collision dans un environnement non stationnaire est un enjeu important dans de nombreux systèmes autonomes, notamment la robotique et les systèmes intelligents. Elle confère aux systèmes robotiques intelligents la capacité de planifier des mouvements et de naviguer de manière autonome. Cette capacité devient particulièrement cruciale pour les robots qui opèrent dans des environnements dynamiques, où des changements imprévisibles et soudains peuvent survenir. Ce projet aborde les questions fondamentales liées à la planification de...
La planification en temps réel de mouvements sans collision dans un environnement non stationnaire est un enjeu important dans de nombreux systèmes autonomes, notamment la robotique et les systèmes intelligents. Elle confère aux systèmes robotiques intelligents la capacité de planifier des mouvements et de naviguer de manière autonome. Cette capacité devient particulièrement cruciale pour les robots qui opèrent dans des environnements dynamiques, où des changements imprévisibles et soudains peuvent survenir. Ce projet aborde les questions fondamentales liées à la planification de trajectoires robotiques dans un environnement dynamique soumis à des incertitudes. Cet ouvrage présente une méthodologie basée sur une combinaison unique de techniques de réseaux neuronaux, de dynamique et d'automates cellulaires. Les réseaux neuronaux cellulaires (CNN) tirent le meilleur parti des deux méthodologies de planification de trajectoire, en ce sens qu'ils permettent d'effectuer avec succès une navigation autonome en temps réel dans un environnement dynamique. En exploitant les propriétés élégantes des fonctions harmoniques et l'interconnectivité locale non linéaire des neurones au sein d'un CNN, il est possible d'éliminer complètement les minima locaux, ce qui permet d'obtenir une méthodologie de planification de trajectoire stable et convergente.