بهبود موقعیت یابی و نقشه یابی هم زمان با استفاده از الگوریتم اجتماع ذرات و سیستم فازی-عصبی تطبیقی

مسئله موقعیت یابی و نقشه یابی هم زمان (SLAM) یکی از نیازهای اساسی برای ربات های خودمختار متحرک است که در محیط های ناشناخته حرکت می کنند. الگوریتم UFastSLAM یک روش موثر برای این منظور است. این روش با به کاربردن تبدیل خنثی، الگوریتم FastSLAM را بهبود می دهد. با وجود این، فرآیند نمونه برداری مجدد و اطلاعات آماری نامعلوم نویز فرآیند و اندازه گیری منجر به ناسازگاری می شود. در این مقاله، برای بهبود UFastSLAM از حیث دقت و سازگاری، الگوریتم UFastSLAM بهبود یافته با استفاده از الگوریتم اجتماع ذرات و سیستم فازی-عصبی تطبیقی (ANFIS) ارائه شده است. در روش پیشنهادی ANFIS به طور تطبیقی مشخصات آماری نویزها را تخمین می زند و بر سازگاری نظارت دارد. درحالی که الگوریتم اجتماع ذرات برای اصلاح نمونه ها استفاده شده است. مهم ترین امتیاز الگوریتم پیشنهادی نسبت به سایر الگوریتم ها عملکرد بهتر آن از حیث دقت و سازگاری تحت شرایط مختلف است. به ویژه وقتی که مشخصات آماری نویزها نامعلوم است، عملکرد سایر الگوریتم ها کاهش می یابد درحالی که روش پیشنهادی از دقت بالایی برخوردار است. به علاوه، نسبت به سایر روش ها، روش پیشنهادی وابستگی کمتری به تعداد ذرات دارد و بنابراین با حجم محاسبات کم تر به دقت بیش تری می رسد.