بهبود موقعیت‌یابی و نقشه‌یابی هم‌زمان با استفاده از الگوریتم اجتماع ذرات و سیستم فازی-عصبی تطبیقی

مسئله موقعیت‌یابی و نقشه‌یابی هم‌زمان (slam) یکی از نیازهای اساسی برای ربات‌های خودمختار متحرک است که در محیط‌های ناشناخته حرکت می‌کنند. الگوریتم ufastslam یک روش موثر برای این منظور است. این روش با به‌کاربردن تبدیل خنثی، الگوریتم fastslam را بهبود می‌دهد. با وجود این، فرآیند نمونه‌برداری مجدد و اطلاعات آماری نامعلوم نویز فرآیند و اندازه‌گیری منجر به ناسازگاری می‌شود. 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 به‌طور تطبیقی مشخصات آماری نویزها را تخمین می‌زند و بر سازگاری نظارت دارد. درحالی که الگوریتم اجتماع ذرات برای اصلاح نمونه‌ها استفاده شده است. مهم‌ترین امتیاز الگوریتم پیشنهادی نسبت به سایر الگوریتم‌ها عملکرد بهتر آن از حیث دقت و سازگاری تحت شرایط مختلف است. به‌ویژه وقتی‌که مشخصات آماری نویزها نامعلوم است، عملکرد سایر الگوریتم‌ها کاهش می‌یابد درحالی که روش پیشنهادی از دقت بالایی برخوردار است. به‌علاوه، نسبت به سایر روش‌ها، روش پیشنهادی وابستگی کمتری به تعداد ذرات دارد و بنابراین با حجم محاسبات کم‌تر به‌دقت بیش‌تری می‌رسد.