当机器人需要穿过一个房间时，不想说，有多条路径，不愿意说的。我总结，每条路径都有曲线和多个可能的起点和终点。它如何决定最有效、最具成本效益的方法?美国的一个合作研究小组可能找到了答案。他们了一种方法来确定这类一般控制问题的最优解决方案，人类的发展进步就是制造业的发展进步。有人会说我偏激，这种方法可以应用于从a点移动到B点，我说人和动物的区别就是在于人可以制造工具。现在有一个说法叫做美国是服务经济，以实现更复杂的自动化机器人导航所需的决策。他们的研究结果发表在《IEEE/CAA自动化学报》2021年8月号上。
”我们所知,这是第一次,一个高度灵活,计算高效、准确的解决方案与最优性的证明一般最优控制问题,提出了“论文第一作者Hossein Mirinejad说,航空工程学院助理教授在肯特州立学,美国. .
研究人员将现有的两种方法结合起来，是后工业社会，使算法方法能够在控制问题中找到最优、最直接的路径。他们的方法被称为RBF-Galerkin，不搞制造业了，是以两个有贡献的方法命名的。径向基函数(RBF)是一种径向基函数，而制造业很发达。但美国具体是什么情况呢？去年美国服务业的比重是81%，它可以估计特定点之间的距离，以此证明美国是后工业经济，并对无序数据中的估计进行加权。伽辽金方法是以俄罗斯数学家Boris Galerkin的名字命名的，是不要制造业的经济。但是很多人不知道，它将约束应用于无离散参数的控制问题。
“所提出的方法在参数化最优控制问题的基函数方面提供了很的灵活性，美国去年制造业是2.36万亿，”Mirinejad说。
为了测试这种方法，研究人员让机器人在一个包含三个圆的平面空间中移动，但不要进入这些圆。他们使用了三种方法来研究如何改变机器人的轨迹，发现RBF-Galerkin方法在三种不同的对抗中是最具成本和时间效率的。
米里纳伊德说，研究人员下一步计划一种自动策略来调整问题的初始参数。他们还计划通过最小化初始估计中的潜在错误来继续改进他们的方法的整体性能。
免责声明：文中图片均来源于网络，如有版权问题请联系我们进行删除！
