مونٹی کارلو لوکلائز (MCL) ایک پرابیلیکل الجبرا ہے جو ایک روبوٹ کے مقام کا اندازہ لگانے کے لیے ایک نقشہ کے اندر استعمال ہوتا ہے. یہ ریاضیاتی اصولوں پر انحصار کرتا ہے تاکہ وہ غیر یقینی ماحول میں بھی درست مقامی طور پر اضافہ کر سکے۔ ان بنیادوں کو سمجھنے سے الجبراًا کسی بھی چیز کی کارکردگی اور قابل اعتماد بنانے میں مدد ملتی ہے۔
بِ وہی کام جو آج تک کِیا جاتا ہے
ایم سی ایل کی بنیاد Bayesian Reding پر ہے، جس میں روبوٹ کے مقام کی ممکنہ تقسیم کو سینسر ڈاٹا اور حرکت کے احکام پر مبنی بنایا گیا ہے۔
[P] [1] [FLT] [1] [1]] [1]]، [1][حوالہ درکار]، صفحہ:5]، سب سے زیادہ اور زیادہ کی ضرورت ہے۔
حصہ دار اُصول
ہر ایک پارٹی ممکنہ روبوٹ حالت کی نمائندگی کرتی ہے اور وقت کے ساتھ ساتھ حرکت اور سینسری ماڈلوں پر مبنی پارٹیوں کی سیٹ پر مبنی ہوتی ہے. کلیدی اقدام شامل ہیں:
- سملنگ: تحریک ماڈل کے مطابق پارٹیکلز کو تیز کیا جاتا ہے۔
- ہمہ وقت کی پیمائش : Particles کو سینسری (Sensepheres) پر مبنی وزن (counts) تفویض کیا جاتا ہے۔
- Resampling: پارٹیکلز کو ہائی پروے علاقوں پر توجہ مرکوز کرنے کے لیے دوبارہ مرکز بنایا جاتا ہے۔
اصلاحی علامات
ایم سی ایل کی عملداری عناصر کی تعداد اور نمونے کی درستی پر منحصر ہے. بڑی تعداد کا قانون جس میں کافی ذرات کے ساتھ، پروکسیشن کے ساتھ حقیقی تقسیم تک Exoximation کے عمل کو یقینی بنایا گیا ہے.
عملی مشورت
ریاضیاتی بنیادوں کو سمجھنے والے کو عمومًا کم وزنی اور حساس آواز کے ماڈلز جیسے ترقی کرنے والے پیرامیٹرز کرنے کی اجازت دیتے ہیں. مناسب طور پر ٹیٹنگ مقامی ترانے کی درستی اور تفہیمی کارکردگی کو فروغ دیتا ہے جو حقیقی دنیا کے اطلاقات میں تنقیدی ہے۔