Questions tagged «algorithm»

对于此问题，假定以下情况未知： 房间的大小和形状 机器人的位置 存在任何障碍 还假定以下情况是恒定的： 房间的大小和形状 所有（如有）障碍物的数量，形状和位置 并假定机器人具有以下属性： 它只能以绝对单位递增并以度为单位前进。同样，移动操作成功后将返回true，如果由于阻塞而失败，则将返回false 合理无限制的动力来源（假设它是放置在空间站上的太阳能机器人，该空间站始终始终面向太阳且没有天花板） 每次运动和旋转都绝对精确地进行（不必担心数据不可靠） 最后，请考虑机器人环境的以下属性： 处于无天花板空间站上的房间是安全的，但与经过的彗星之间的距离令人沮丧，因此灰尘（和冰）不断散落在环境中。 我被问到这个问题的简单得多的版本（房间是一个矩形，没有障碍，如何在它上面移动以保证至少可以遍历每个部分），然后我开始想知道如果您不能这样做，该如何处理呢？不能保证形状或障碍物的存在。我已经开始使用Dijkstra的算法来研究这个问题，但是我很着迷于听到其他人如何解决这个问题（或者对此是否有一个公认的答案？（Roomba是如何做到的？）

25 mobile-robot  artificial-intelligence  algorithm  coverage  theory 

最优的基于采样的运动计划算法（本文描述）已显示出无冲突路径，随着计划时间的增加，这些路径会收敛到最优路径。但是，据我所知，最优性证明和实验都假设路径成本度量是配置空间中的欧几里德距离。可也产生了其他路径质量指标，如整个路径障碍物最大化最小间隙最优性能？RRT *RRT∗RRT∗\text{RRT}^*RRT∗RRT∗\text{RRT}^* 定义最小间隙：为简单起见，我们可以考虑一个点机器人在欧几里得空间中运动。对于无碰撞配置空间中的任何配置，定义一个函数，该函数返回机器人与最近的C障碍物之间的距离。对于路径，最小距离是所有中的最小值。在最佳运动计划中，可能希望最大化与路径上的障碍物的最小距离。这意味着定义一些成本指标，使得d （q ）σ min_clear （σ ）d （q ）q ＆Element; σ Ç （σ ）Ç Ç （σ ）= EXP （- min_clear （σ ））qqqd(q)d(q)d(q)σσ\sigmamin_clear(σ)min_clear(σ)\text{min_clear}(\sigma)d(q)d(q)d(q)q∈σq∈σq \in \sigmac(σ)c(σ)c(\sigma)ccc随着最小游隙的减小而增加。一个简单的函数是。c(σ)=exp(−min_clear(σ))c(σ)=exp⁡(−min_clear(σ))c(\sigma) = \exp(-\text{min_clear}(\sigma)) 在介绍的第一篇论文中，对路径成本度量进行了一些假设，以便证明成立；假设之一涉及成本度量的可加性，而上述最小清除率度量不成立。但是，在较新的描述该算法的期刊文章中，没有列出几个先前的假设，并且似乎最小清除成本指标也可以通过该算法进行优化。RRT∗RRT∗\text{RRT}^* 有谁知道的最优性证明是否可以适用于最小清算成本度量标准（也许不是我上面给出的那个，但是另一个具有相同的最小值），或者是否已经进行了实验来是否支持该算法对此类指标的有用性？RRT∗RRT∗\text{RRT}^*

14 motion-planning  algorithm  rrt  theory 

我正在尝试使用探索在相当粗糙的2D网格空间中创建障碍物的地图。我通过尝试从一个空间移动到相邻空间来检测障碍物，如果失败，则目标空间中会存在障碍物（此问题中没有测距传感器的概念）。 示例网格http://www.eriding.net/resources/general/prim_frmwrks/images/asses/asses_y3_5d_3.gif（例如） 当所有可到达的正方形都已被访问时，该过程完成。换句话说，即使某些空间没有障碍物（因为它们被包围），它们也可能是完全无法到达的。这是预期的。 在最简单的情况下，我可以使用DFS算法，但是我担心这将花费很长时间才能完成-机器人将花更多的时间回溯而不是探索新领域。我希望这在尝试到达无法到达的正方形时尤其成问题，因为机器人将耗尽所有选择。 在更复杂的方法中，正确的方法似乎是Boustrophedon细胞分解。 但是，我似乎找不到关于Boustrophedon细胞分解算法的完整描述（即，简单的完整描述）。还有像资源这一块，或在垂直细胞分解更一般的一个，但他们没有提供多少洞察高级算法，也没有涉及到的低级别的数据结构。 如何有效访问（映射）此网格？如果存在，我希望有一种算法在网格平方总数方面比更好（即对于网格，它比好）。O(n2)O(n2)O(n^2)O(n4)O(n4)O(n^4)n∗nn∗nn*n

13 algorithm  coverage  planning 

我正在研究四旋翼。我知道它的位置- ，在那里我想去-目标位置b，并从我计算矢量c ^ -将带我去我的目标的单位向量：一个aabbbCcc c = b - a c = normalize(c) 由于四旋翼飞机可以在没有旋转的情况下向任何方向移动，所以我试图做的是 通过机器人偏航角旋转Ccc 将其分为分量X ，ÿx,yx, y 将它们作为侧倾角和俯仰角传递给机器人。 问题在于，如果偏航角为0°±5，则此方法有效，但如果偏航角接近+90或-90，则它将失败并转向错误的方向。我的问题是我在这里缺少明显的东西吗？

9 quadcopter  uav  navigation  slam  kinect  computer-vision  algorithm  c++  ransac  mobile-robot  arduino  microcontroller  machine-learning  simulator  rcservo  arduino  software  wifi  c  software  simulator  children  multi-agent  ros  roomba  irobot-create  slam  kalman-filter  control  wiring  routing  motion  kinect  motor  electronics  power  mobile-robot  design  nxt  programming-languages  mindstorms  algorithm  not-exactly-c  nxt  programming-languages  mindstorms  not-exactly-c  raspberry-pi  operating-systems  mobile-robot  robotic-arm  sensors  kinect  nxt  programming-languages  mindstorms  sensors  circuit  motion-planning  algorithm  rrt  theory  design  electronics  accelerometer  calibration  arduino  sensors  accelerometer