เปรียบเทียบวิธี

	แผนที่ความน่าจะเป็น	การควบคุมเชิงพยากรณ์แบบจำลอง
สาขาวิชา	ทฤษฎีการควบคุม	ทฤษฎีการควบคุม
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1996	1978
ผู้ริเริ่ม	Lydia Kavraki	Jacques Richalet
ประเภท	algorithm	algorithm
แหล่งต้นตำรับ	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.	Richalet, J., Rault, A., Testud, J., & Papon, J. (1978). Model predictive heuristic control. Automatica, 14(5), 413-428.
ชื่อเรียกอื่น	PRM, Roadmap Method	MPC, Receding Horizon Control
ที่เกี่ยวข้อง	2	5
สรุป	The Probabilistic Roadmap (PRM) method is a motion planning algorithm that builds a pre-computed graph (roadmap) of feasible paths through the configuration space by sampling random configurations and connecting them if collision-free. Introduced by Kavraki et al. in 1996, PRM is powerful for multi-query planning scenarios where many path queries are answered, amortizing roadmap construction cost across many queries.	Model Predictive Control (MPC) is an advanced control strategy that uses an explicit process model to predict future system behavior over a finite horizon and solves an optimization problem at each control step. First formalized by Richalet et al. in 1978, MPC has become the dominant approach in process control industries, from chemical plants to autonomous vehicles, because it naturally handles constraints and can optimize multiple objectives simultaneously.