5.4. Outdoor-like scenarioIn this s

5.4. Outdoor-like scenario
In this scenario, the robots move in an outdoor-like rough
environment, which is modeled by a 3D triangular mesh with
2058 triangles. Similarly to the previous scenario, two types of
motion primitives are used to show the effect of motion planning:
(a) primitives learned on the plane environment (RRT-MP/P); and
(b) primitives learned on the same rough surface (RRT-MP/S).
The primitives of RRT-MP/S are learned using the PSO approach
described above, but the fitness function is evaluated on the rough
surface. The algorithms are tested in the same manner as in the
Plane scenario. The test set T is generated to contain M = 100
random start/goal pairs. Each planner is executed for 30 trials with
each start/goal pair. The values are averaged over the 30 trials and
shown as boxplots in Fig. 11. The examples of found solutions are
depicted in Fig. 12.

ผลลัพธ์ (ไทย) 1:

5.4 การกลางแจ้งเช่นสถานการณ์ในสถานการณ์สมมตินี้ หุ่นยนต์ย้ายหยาบเหมือนกลางแจ้งสิ่งแวดล้อม ซึ่งจำลอง โดยตาข่ายสามเหลี่ยมแบบ 3D ด้วย 2058 สามเหลี่ยม คล้ายกับสถานการณ์สมมติก่อนหน้านี้ สองชนิดนำการเคลื่อนไหวจะใช้ในการแสดงผลของการเคลื่อนไหววางแผน:(ก) นำได้เรียนรู้เกี่ยวกับสิ่งแวดล้อมเครื่องบิน (RRT-MP/P); และ(ข) นำเรียนรู้บนพื้นผิวหยาบเหมือนกัน (RRT-MP/S)นำ RRT-MP/s จะได้เรียนรู้โดยใช้วิธี PSOข้าง แต่การทำงานออกกำลังกายจะถูกประเมินในการวางแผนพื้นผิว อัลกอริทึมจะมีทดสอบในลักษณะเดียวกันในการสถานการณ์จำลองการบิน สร้างชุดทดสอบ T มี M = 100เริ่มต้นเป้าหมายสุ่มคู่ ดำเนินการวางแผนแต่ละการทดลอง 30 ด้วยแต่ละคู่เริ่ม/เป้าหมาย มี averaged ค่าผ่านทดลอง 30 และแสดงเป็น boxplots ใน Fig. 11 ตัวอย่างของวิธีแก้ไขปัญหาที่พบคือแสดงใน Fig. 12

ผลลัพธ์ (ไทย) 2:

5.4 สถานการณ์น้ำกลางแจ้งเหมือนในสถานการณ์นี้หุ่นยนต์ย้ายในหยาบกลางแจ้งเหมือนสภาพแวดล้อมซึ่งเป็นแบบจำลองโดยตาข่ายสามเหลี่ยม3 มิติที่มี2,058 รูปสามเหลี่ยม เช่นเดียวกันกับสถานการณ์ก่อนหน้านี้ทั้งสองประเภทของพื้นฐานการเคลื่อนไหวที่ใช้ในการแสดงให้เห็นถึงผลกระทบของการวางแผนการเคลื่อนไหว: (ก) การเรียนรู้พื้นฐานเกี่ยวกับสิ่งแวดล้อมเครื่องบิน (RRT-MP / P); และ(ข) การเรียนรู้พื้นฐานบนพื้นผิวที่หยาบกร้านเดียวกัน (RRT-MP / S). พื้นฐานของ RRT-MP / S ที่มีการเรียนรู้การใช้วิธี PSO อธิบายไว้ข้างต้น แต่ฟังก์ชั่นการออกกำลังกายที่ได้รับการประเมินในขรุขระพื้นผิว ขั้นตอนวิธีการจะมีการทดสอบในลักษณะเดียวกันกับในสถานการณ์เครื่องบิน การทดสอบชุด T จะถูกสร้างขึ้นเพื่อให้มี M = 100 เริ่มต้นสุ่ม / คู่เป้าหมาย วางแผนแต่ละคนจะถูกดำเนินการ 30 การทดลองกับแต่ละเริ่มต้น/ คู่เป้าหมาย ค่าเฉลี่ยจะมากกว่า 30 การทดลองและแสดงให้เห็นว่าในรูปboxplots 11. ตัวอย่างของการแก้ปัญหาที่พบจะปรากฎในรูป 12

ผลลัพธ์ (ไทย) 3:

5.4 . สระเหมือนสถานการณ์
ในสถานการณ์สมมตินี้ หุ่นยนต์เคลื่อนที่ในเช่นสภาพแวดล้อมกลางแจ้งขรุขระ
ซึ่งเป็นแบบ 3D ด้วย
2058 ตาข่ายสามเหลี่ยมสามเหลี่ยม เช่นเดียวกับสถานการณ์ก่อนหน้านี้ สองชนิดของ
เคลื่อนไหว primitives จะใช้เพื่อแสดงผลของการวางแผนการเคลื่อนไหว :
( A ) primitives เรียนรู้บนเครื่องบินสิ่งแวดล้อม ( rrt-mp / P )
; และ( ข ) primitives เรียนรู้บนพื้นผิวขรุขระ เดียวกัน ( rrt-mp / S )
primitives ของ rrt-mp / s จะเรียนรู้การใช้ระบบวิธีการ
ที่อธิบายข้างต้น แต่ฟังก์ชันฟิตเนสถูกประเมินบนพื้นผิวขรุขระ

อัลกอริทึมที่ใช้ในลักษณะเดียวกับใน
เครื่องบินที่สุด ที่ถูกสร้างขึ้นเพื่อบรรจุชุดทดสอบ T M = 100
สุ่มเริ่มต้น / ประตูคู่ แต่ละแผนจะดำเนินการทดสอบกับ
30เริ่มต้น / เป้าหมายของแต่ละคู่ ค่ากำลังเฉลี่ยมากกว่า 30 การทดลองและ
แสดงเป็น boxplots ในรูปที่ 11 ตัวอย่างพบว่าโซลูชั่นปรากฎในรูป

12