The main contribution of our approa

The main contribution of our approach is the novel motion
planner, which can create plans for modular robots moving in
complex environments. Our approach can be combined with
various locomotion generators, which can realize different gaits.
The motion planner allows the use of simple motion primitives
without the need to introduce sensory feedback to detect obstacles
or other difficult areas. The proposed system allows the robot
to visit distant places in complex environments, where obstacles
need to be avoided. It is assumed, that the dynamics of the robots is
not crucial here, as the studied robots move mostly using crawling
and therefore the impact of dynamics is negligible and it can be
handled on the CPG level. This allows us to focus this paper only to
the motion planning problem.

ผลลัพธ์ (ไทย) 1:

สัดส่วนหลักของวิธีการของเราคือ การเคลื่อนไหวที่นวนิยายวางแผน ซึ่งสามารถสร้างแผนสำหรับหุ่นยนต์โมดูลาร์ในสภาพแวดล้อมที่ซับซ้อน วิธีของเราสามารถใช้ร่วมกับต่าง ๆ locomotion กำเนิด ซึ่งสามารถทราบ gaits แตกต่างกันวางแผนการเคลื่อนไหวให้ใช้นำเคลื่อนไหวเรื่องโดยไม่ต้องแนะนำคำติชมทางประสาทสัมผัสเพื่อตรวจหาอุปสรรคหรือพื้นที่อื่น ๆ ยาก ระบบจะเสนอให้หุ่นยนต์ชมสถานที่ห่างไกลในสภาพแวดล้อมที่ซับซ้อน ที่อุปสรรคต้องหลีกเลี่ยง มีสมมุติ ของหุ่นยนต์ว่าที่นี่ไม่สำคัญ เป็นการย้ายศึกษาหุ่นยนต์ส่วนใหญ่ใช้การตระเวนดังนั้นผลกระทบของ dynamics เป็นระยะ และสามารถจัดการในระดับประเภทวัสดุสิ้นเปลือง เราเน้นกระดาษนี้เพื่อให้ปัญหาวางแผนเคลื่อนไหว

ผลลัพธ์ (ไทย) 2:

ผลงานหลักของวิธีการของเราคือการเคลื่อนไหวนวนิยายวางแผนซึ่งสามารถสร้างแผนสำหรับหุ่นยนต์แบบแยกส่วนไปในสภาพแวดล้อมที่ซับซ้อน วิธีการของเราสามารถใช้ร่วมกับเครื่องกำเนิดไฟฟ้าเคลื่อนที่ต่างๆซึ่งสามารถตระหนักถึงเกทส์ที่แตกต่างกัน. วางแผนการเคลื่อนไหวช่วยให้การใช้พื้นฐานการเคลื่อนไหวที่เรียบง่ายโดยไม่จำเป็นต้องแนะนำข้อเสนอแนะทางประสาทสัมผัสในการตรวจสอบสิ่งกีดขวางหรือพื้นที่ที่ยากอื่นๆ ระบบที่นำเสนอจะช่วยให้หุ่นยนต์ที่จะเยี่ยมชมสถานที่ห่างไกลในสภาพแวดล้อมที่ซับซ้อนที่มีอุปสรรคจะต้องมีการหลีกเลี่ยง มันจะสันนิษฐานว่าการเปลี่ยนแปลงของหุ่นยนต์ที่เป็นไม่ได้ที่สำคัญที่นี่เป็นหุ่นยนต์ศึกษา move ส่วนใหญ่ใช้การรวบรวมข้อมูลและดังนั้นจึงส่งผลกระทบของการเปลี่ยนแปลงเล็กน้อยและสามารถจัดการได้ในระดับ CPG นี้จะช่วยให้เราสามารถมุ่งเน้นกระดาษนี้เฉพาะกับปัญหาการวางแผนการเคลื่อนไหว

ผลลัพธ์ (ไทย) 3:

ส่วนหลักของวิธีการของเรา เป็นผู้วางแผนเคลื่อนไหว
นวนิยาย ซึ่งสามารถสร้างแผนสำหรับหุ่นยนต์แบบเคลื่อนที่ใน
สภาพแวดล้อมที่ซับซ้อน วิธีการของเราสามารถรวมกับ
ตลอดการเคลื่อนไหวต่างๆ ซึ่งสามารถ ตระหนัก สามารถแตกต่างกัน
เคลื่อนไหววางแผนให้ใช้ง่ายเคลื่อนไหว primitives
โดยไม่ต้องแนะนำและติชมเพื่อตรวจหาอุปสรรค
หรือพื้นที่ที่ยากอื่น ๆระบบนี้ช่วยให้หุ่นยนต์
เพื่อเยี่ยมชมสถานที่ไกลในสภาพแวดล้อมที่ซับซ้อน ซึ่งอุปสรรค
ต้องหลีกเลี่ยง เป็นสันนิษฐานว่าพลวัตของหุ่นยนต์คือ
ไม่สําคัญที่นี่เป็นศึกษาส่วนใหญ่ใช้หุ่นยนต์ขยับคลาน
ดังนั้นผลกระทบของการเปลี่ยนแปลงเล็กน้อยและมันก็สามารถ
จัดการในระดับ CPG . นี้ช่วยให้เราโฟกัสกระดาษนี้เท่านั้น

การเคลื่อนไหววางแผนแก้ปัญหา