Probabilistische Routenetwerk
De Probabilistic Roadmap (PRM) methode is een algoritme voor bewegingsplanning dat een vooraf berekende graaf (routenetwerk) van haalbare paden door de configuratieruimte opbouwt door willekeurige configuraties te samplen en deze te verbinden indien ze botsingsvrij zijn. Geïntroduceerd door Kavraki et al. in 1996, is PRM krachtig voor multi-query planningsscenario's waarbij veel padvragen worden beantwoord, waardoor de kosten voor het construeren van het routenetwerk over vele vragen worden geamortiseerd.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
- 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 ↗
- LaValle, S. M. (2006). Planning Algorithms. Cambridge University Press. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Probabilistic Roadmap. ScholarGate. https://scholargate.app/nl/control-theory/probabilistic-roadmap
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Modelvoorspellende RegelingRegeltechniek↔ vergelijken
- Rapidly-Exploring Random TreeRegeltechniek↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →