Ang pagpaplano ng motion ay kinasasangkutan ng pag-alam ng landas para sa isang robot o autonomous na sasakyan upang makarating sa isang patutunguhan habang iniiwasan ang mga balakid. Ang pagharap sa kawalang katiyakan sa prosesong ito ay mahalaga para sa ligtas at maaasahang operasyon, lalo na sa mga kapaligirang dinamiko o hindi mahulaan.Ang artikulong ito ay tumutuklas ng mga praktikal na paraan na ginagamit upang pangasiwaan ang kawalang katiyakan sa pagpaplano ng paggalaw.

Mga Daang - Daang Probabilistiko

Ang Probabilistiko Roadmaps (PRMs) ay isang popular na pamamaraan na nagkukuwenta ng kapaligiran upang lumikha ng isang network ng mga maaaring gawin na landas.Kalakip dito ang kawalang katiyakan sa pamamagitan ng pagsasaalang-alang sa probabilidad ng mga transposure na presensiya at mga pagkakamali ng posisyong robot. ang mga PRM ay epektibo sa mga mataas-dimensiyonal na espasyo at maaaring umangkop sa mga nagbabagong kapaligiran.

Mga Pamamaraan ng Monte Carlo

Sa pamamagitan ng pagsusuri sa maraming senaryo, tinataya ng mga pamamaraang ito na malamang na magtagumpay ang bawat landas.

Pagsugpo sa Robust

Ang mga pamamaraang ito ay binabago ang mga tradisyonal na planning algorithm upang pagbayaran ang mga eksenang pinakamalala ang balangkas, na tinitiyak ang planong landas ay nananatiling posible sa kabila ng mga kawalang katiyakan.

Pag - asa ng Sensor at Estasyon ng Estado

Ang pagsasama ng mga impormasyon mula sa multiple sensor ay nagpapabuti sa pagiging tumpak ng pagkaunawa ng robot sa kapaligiran nito. ang mga pamamaraang gaya ng mga filter o particle filter ay tumataya sa kasalukuyang kalagayan ng robot, anupat nababawasan ang kawalang katiyakan at naihaharap ang mas maaasahang mga plano sa paggalaw.