مسیر یابی یک ربات در محیط با موانع متعدد با بهینه سازی زمان رسیدن و قید حداکثر سرعت و مقایسه با SLAM

روبات های متحرک کاربردهای مختلفی در زمینه های مختلف دارند و ناوبری مستقل آنها در فضای محیط بسیار مهم است. زمانی که روبات ها اطلاعات پیشینی در مورد محیط داشته باشند، می توانند یک مسیر جهانی را از نقطه شروع تا نقطه پایانی برنامه ریزی کنند و برخی از اهداف را بهینه کنند، توانایی که بسیار مورد توجه قرار گرفته است. با این حال، برای روباتها دشوار است که اطلاعات محیطی پیشینی داشته باشند، به ویژه در مورد عوامل در حال تغییر پویا، مانند شرایط آب و هوایی ، موانع ناشناخته، و زمین ناآشنا. ربات باید محیط اطراف را در زمان واقعی شناسایی کند و برای دستیابی به یک مسیر عملی و ایمن برنامه ریزی های متعددی انجام دهد. نتایج خوبی در تحقیقات برنامه ریزی مسیر برای حل محیط های ساکن ناشناخته به دست آمده است، در حالی که عوامل دینامیکی ناشناخته حرکت قابل اعتماد و قوی ربات را در محیط های عمومی محدود می کند و چالش مهمی را ارائه می دهد. با افزایش پیچیدگی محیط و دشواری وظایف ربات، روش های سنتی برنامه ریزی مسیر برای دستیابی به نتایج مطلوب چالش برانگیز است. بهینه سازی کلونی مورچه ها( ACO) استحکام و سازگاری قوی برای حل مشکلات برنامه ریزی مسیر جهانی دارد. در سالهای اخیر، محققان مرتبط راهبردها و روشهای بهبود بسیاری را پیشنهاد کردهاند. لو و همکاران بهینهترین و بدترین راهحلها را در بهروزرسانی فرمون برای گسترش تاثیر مورچههای با کیفیت بالا و تضعیف قدرت بدترین مورچهها معرفی کرد که همگرایی الگوریتم را تسریع میکند.