运动规划和导航，特别是对于在复杂导航环境中运行的移动机器人，自机器人启动以来一直是一个核心问题。一种解决它的启发式方法是构造基于图形的表示（路径），捕获配置空间的连接。概率路线图是机器人社区的常用方法，为导航移动机器人路径规划构建路径。在该研究中，提出了通过在障碍物的存在下从PRM获得路径之后的移动机器人路径规划的路径平坦化。所提出的方法以两个步骤运行;第一个在障碍物存在环境中生成初始状态之间的最短路径，其中通过连接中间节点来使用PRM来构造直线路径。第二步是通过节点存在引起的每个角落平滑。使用弧形圆角刮削角落确保移动机器人的光滑转弯。用不同的PRM功能模拟和测试了建议的方法。实验结果表明，构造的路径不仅仅是提供平稳的转动;在避免障碍时，它也更短且更快地完成机器人。
translated by 谷歌翻译
异常检测描述了发现与正常值空间不同的异常状态，实例或数据点的方法。工业流程是一个领域，需要在其中找到质量增强异常数据实例的预期模型。但是，主要的挑战是在这种环境中没有标签。本文有助于以数据为中心的工业生产中人工智能的方式。借助来自汽车组件的增材制造的用例，我们提出了基于深度学习的图像处理管道。我们将域随机化和合成数据的概念整合在循环中，这显示了深度学习进展及其在现实世界中的工业生产过程中的桥接结果。
translated by 谷歌翻译