algorithm is employed with 30 parti

algorithm is employed with 30 particles and 200 iterations.
To verify the advantages of utilizing motion primitives in
the planning process, the performance of RRT-MP is compared
with the RRT-CPG [45] and RRT-K [47] methods. In RRT-CPG, the
actuators are also driven by sin CPGs. However, their parameters
are not predefined as in RRT-MP, but are generated randomly in
each expansion step. In the RRT-K approach, the actuators are
not controlled by a periodic signal. Instead, they are moved to
a fixed angle ai, which is generated randomly in each expansion
step within the range (−π/2, π/2). To enable a time comparison
of all the three planners, the complexity of their expansion steps
should be equivalent. In RRT-MP, the complexity is determined
by the number of utilized motion primitives. Therefore, RRT-CPG
generates four random CPG settings in each iteration and RRT-K
generates four random vectors of desired angles in each expansion
step. The maximum number of planning iterations is k = 5000 for
all algorithms.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมเป็นลูกจ้างกับอนุภาค 30 ซ้ำ 200ข้อดีของการใช้นำการเคลื่อนไหวในการตรวจสอบมีการเปรียบเทียบกระบวนการวางแผน ประสิทธิภาพของ RRT-MPRRT-ประเภทวัสดุสิ้นเปลือง [45] และวิธี RRT-K [47] ใน RRT-ประเภทวัสดุสิ้นเปลือง การหัวขับยังได้ถูกขับเคลื่อน ด้วยบาป CPGs อย่างไรก็ตาม พารามิเตอร์ของพวกเขาไม่ได้กำหนดไว้ล่วงหน้าใน RRT MP แต่สร้างขึ้นแบบสุ่มในแต่ละขั้นตอนการขยาย ในวิธี RRT-K หัวขับที่มีไม่ถูกควบคุม โดยสัญญาณเป็นครั้งคราว แทน พวกเขาถูกย้ายไปไอมุมคงที่ ซึ่งจะถูกสร้างขึ้นแบบสุ่มในแต่ละส่วนขยายขั้นตอนในระยะ (−π/2, π/2) การเปิดใช้งานการเปรียบเทียบเวลาของทั้งหมดที่สามวางแผน ความซับซ้อนของขั้นตอนการขยายควรจะเทียบเท่า ใน RRT-MP กำหนดความซับซ้อนโดยจำนวนนำการเคลื่อนไหวที่ใช้งาน ดังนั้น RRT-ประเภทวัสดุสิ้นเปลืองสร้างสี่สุ่มประเภทวัสดุสิ้นเปลืองการตั้งค่าการเกิดซ้ำแต่ละและ RRT-Kสร้างเวกเตอร์สุ่มสี่ของมุมโปรดในแต่ละส่วนขยายขั้นตอนการ จำนวนซ้ำวางคือ k = 5000 สำหรับอัลกอริทึมทั้งหมด

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการเป็นลูกจ้างที่มี 30 และ 200 อนุภาคซ้ำ.
ในการตรวจสอบข้อได้เปรียบของการใช้พื้นฐานการเคลื่อนไหวในขั้นตอนการวางแผนการปฏิบัติงานของ RRT-MP ถูกเปรียบเทียบกับRRT-CPG [45] และ RRT-K [47] วิธีการ ใน RRT-CPG การกระตุ้นจะถูกขับเคลื่อนโดยความบาปCPGs อย่างไรก็ตามพารามิเตอร์ของพวกเขาจะไม่ได้กำหนดไว้ล่วงหน้าในขณะที่ RRT-MP แต่จะมีการสร้างแบบสุ่มในแต่ละขั้นตอนการขยายตัว ในวิธีการ RRT-K กระตุ้นจะไม่ได้ถูกควบคุมโดยสัญญาณเป็นระยะๆ แต่พวกเขาถูกย้ายไปยังมุมคงที่เอไอซึ่งเป็นที่สร้างแบบสุ่มในแต่ละการขยายตัวของขั้นตอนในช่วง(-π / 2, π / 2) เมื่อต้องการเปิดใช้การเปรียบเทียบเวลาของทั้งสามวางแผนซับซ้อนของขั้นตอนการขยายตัวของพวกเขาควรจะเทียบเท่า ใน RRT-MP ซับซ้อนจะถูกกำหนดจากจำนวนวิทยาการเคลื่อนไหวใช้ประโยชน์ ดังนั้น RRT-CPG สร้างการตั้งค่า CPG สี่สุ่มในแต่ละซ้ำและ RRT-K สร้างเวกเตอร์สุ่มสี่มุมที่ต้องการในการขยายตัวในแต่ละขั้นตอน จำนวนสูงสุดของการวางแผนการทำซ้ำเป็น k = 5000 สำหรับขั้นตอนวิธีการทั้งหมด

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีที่ใช้กับ 30 อนุภาคและ 200 รอบ .
ยืนยันข้อดีของการใช้เคลื่อนไหว primitives ใน
กระบวนการการวางแผน การปฏิบัติ rrt-mp เปรียบเทียบกับ rrt-cpg
[ 45 ] และ rrt-k [ 47 ] วิธีการ ใน rrt-cpg ,
actuators ยังขับเคลื่อนด้วยบาป CPGs . อย่างไรก็ตาม ค่าพารามิเตอร์ของพวกเขาจะไม่ได้กำหนดไว้ล่วงหน้า เช่น ใน rrt-mp

แต่จะถูกสร้างขึ้นแบบสุ่มในแต่ละการก้าวใน rrt-k วิธีการ actuators เป็น
ควบคุมไม่ได้โดยสัญญาณเป็นระยะ ๆ แทน พวกเขาจะย้าย

มุมคงที่ ไอ ซึ่งจะถูกสร้างขึ้นแบบสุ่มในแต่ละขั้นตอนในช่วงการขยายตัว
( −π / 2 , π / 2 ) เพื่อให้เวลาการเปรียบเทียบ
ของทั้งสามวางแผน , ความซับซ้อนของพวกเขาขยายขั้นตอน
น่าจะเทียบเท่า ใน rrt-mp , ความซับซ้อนมุ่งมั่น
โดยจำนวนที่ใช้เคลื่อนไหว primitives . ดังนั้น rrt-cpg
สร้างสี่การตั้งค่าแบบสุ่มในแต่ละ iteration CPG และสร้าง rrt-k
4 เวกเตอร์สุ่มของมุมที่ต้องการในแต่ละขั้นตอนการ
. จำนวนสูงสุดของการวางแผนการทำซ้ำคือ k = 5

ทุกขั้นตอนวิธี