การ ออก แบบ ที่ น่า ทึ่ง

Monte Caro Clocal (MCL) เป็นอัลกอริทึมที่เป็นระบบที่คํานวณได้ ซึ่งใช้ในหุ่นยนต์ประเมินตําแหน่งของหุ่นยนต์ภายในแผนที่

กรอบภาพ

MCL อาศัยพื้นฐานการกรองของเบย์เชียน ซึ่งปรับปรุงการกระจายความน่าจะเป็นของตําแหน่งของหุ่นยนต์ โดยอาศัยข้อมูลและคําสั่งการเคลื่อนไหว

[[FLT: 0]]. สืบค้นเมื่อ 2015. "'help". สืบค้นเมื่อ 2015. สืบค้นเมื่อ 2015. "". สืบค้นเมื่อ 2015.

วิธีการการกรองแบบอนุภาพ

MCL ใช้ตัวกรองอนุภาคในการประมาณการกระจายตัวของความน่าจะเป็น แต่ละอนุภาคแทนสถานะหุ่นยนต์ที่เป็นไปได้

• [FLT: 0] spampling: อนุภาคกระจายตามแบบจําลองการเคลื่อนไหว
• [FLT: 0] การวัด: อนุภาคต่าง ๆ ถูกกําหนดให้น้ําหนักตาม เซ็นเซอร์ที่น่าจะเป็น
• [FLT: 0] เปิดใช้งาน: อนุภาคจะถูกปรับให้มุ่งเน้นไปยังพื้นที่ความจุสูง

การ จําลอง แบบ คณิตศาสตร์

อนุภาค ที่ มี ประสิทธิภาพ ของ เอ็ม ซี แอล ขึ้น อยู่ กับ จํานวน อนุภาค และ ความ ถูก ต้อง ของ ตัว อย่าง กฎหมาย ของ จํานวน มาก ทํา ให้ แน่ ใจ ว่า ถ้า มี อนุภาค มาก พอ การ กะ ประมาณ ก็ จะ รวม เข้า กับ การ กระจาย ที่ แท้ จริง เทคนิค การ ลด ความ เร็ว จะ ปรับ ปรุง ให้ มี ประสิทธิภาพ และ แม่นยํา มาก ขึ้น

การ จําลอง ที่ ใช้ ได้ จริง

การเข้าใจพื้นฐานทางคณิตศาสตร์ ทําให้นักพัฒนาสามารถปรับค่าพารามิเตอร์ เช่น จํานวนอนุภาค และเสียงรบกวนจากเซ็นเซอร์ได้