Machine learningMotion Planning

نقشه راه احتمالی

روش نقشه راه احتمالی (PRM) یک الگوریتم برنامه‌ریزی حرکت است که با نمونه‌برداری از پیکربندی‌های تصادفی و اتصال آن‌ها در صورت عدم برخورد، یک گراف از پیش محاسبه‌شده (نقشه راه) از مسیرهای ممکن در فضای پیکربندی می‌سازد. PRM که در سال ۱۹۹۶ توسط Kavraki و همکاران معرفی شد، برای سناریوهای برنامه‌ریزی چند پرس‌وجو قدرتمند است، زیرا هزینه ساخت نقشه راه را در میان پرس‌وجوهای متعدد مستهلک می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Kavraki, L. E., Svestka, P., Latombe, J. C., & Overmars, M. H. (1996). Probabilistic roadmaps for path planning in high-dimensional configuration spaces. IEEE Transactions on Robotics and Automation, 12(4), 566-580. DOI: 10.1109/70.508439
  2. Overmars, M. H., & Svestka, P. (1992). A probabilistic learning approach to motion planning. Proceedings of the Fourth Workshop on Algorithmic Foundations of Robotics, 19-37. link
  3. LaValle, S. M. (2006). Planning Algorithms. Cambridge University Press. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Probabilistic Roadmap. ScholarGate. https://scholargate.app/fa/control-theory/probabilistic-roadmap

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateProbabilistic Roadmap (Probabilistic Roadmap). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/control-theory/probabilistic-roadmap · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026