predict
Descripción
predice la próxima muestra de estado entre un estado inicial y un estado objetivo en un solo entorno. Para esta sintaxis, las redes de planificación de movimiento (MPNet) deben haber sido entrenadas en un solo entorno utilizando poses iniciales y poses de objetivo aleatorias. El entorno de prueba de entrada debe ser el mismo que el entorno de formación.statePred
= predict(mpnet
,start
,goal
)
predice la próxima muestra de estado entre un estado inicial y un estado objetivo en el entorno de prueba especificado mediante el uso de un MPNet previamente entrenado. En este caso, MPNet debe haber sido entrenado en múltiples entornos para poses iniciales y de meta aleatorias. Para esta sintaxis, el entorno de prueba de entrada puede ser un entorno diferente a cualquiera en el que se haya entrenado el planificador. Sin embargo,statePred
= predict(mpnet
,start
,goal
,environment
)
El tamaño de la cuadrícula del entorno de prueba debe ser el mismo que el de los entornos utilizados para la capacitación.
El entorno de prueba debe tener la misma distribución de datos que los entornos de formación.
Nota
Para encontrar todas las muestras entre una pose inicial y una pose final, debes utilizar iterativamente la función predict
. En cada iteración, el estado predicho se convierte en la nueva pose inicial para predecir el siguiente estado.
Nota
Para ejecutar esta función, necesitará Deep Learning Toolbox™.
Ejemplos
Argumentos de entrada
Argumentos de salida
Referencias
[1] Qureshi, Ahmed Hussain, Yinglong Miao, Anthony Simeonov, and Michael C. Yip. “Motion Planning Networks: Bridging the Gap Between Learning-Based and Classical Motion Planners.” IEEE Transactions on Robotics 37, no. 1 (February 2021): 48–66. https://doi.org/10.1109/TRO.2020.3006716.
Capacidades ampliadas
Historial de versiones
Introducido en R2023b