matplotlib 및 A* 알고리즘을 사용하여 드론 내비게이션 시스템 구축

드론이 복잡한 환경을 어떻게 탐색하는지 궁금한 적이 있나요? 이 블로그에서는 Python, Matplotlib 및 A* 알고리즘을 사용하여 간단한 드론 내비게이션 시스템을 만들어 보겠습니다. 결국에는 드론이 미로를 해결하는 모습을 시각화하는 작동 시스템을 갖추게 됩니다!

학습 내용

1. '에이전트', '환경'과 같은 기본 AI 용어입니다.
2. Python으로 미로를 만들고 시각화하는 방법
3. A* 알고리즘이 탐색 문제를 해결하는 방법
4. 드론의 경로를 구현하고 시각화하는 방법

---

소개

드론 내비게이션 시스템을 구축하려면 다음이 필요합니다.

1. 요원: 드론?.
2. 경로: 드론이 통과할 2D 미로 ?️.
3. 검색 알고리즘: A* 알고리즘 ⭐.

먼저 AI를 처음 접하는 분들을 위해 몇 가지 기본 AI 용어를 빠르게 복습해 보겠습니다.

---

AI 주요 용어

• 에이전트: 환경(미로)을 인식하고 목표(미로의 끝 도달)를 달성하기 위해 조치를 취하는 개체(예: 드론)입니다.
• 환경: 에이전트가 작동하는 세계는 2D 미로로 표현됩니다.
• 휴리스틱: 검색을 안내하는 데 사용되는 경험 법칙 또는 추정치(예: 목표까지의 거리 측정)

---

시스템 설계

저희 드론은 2D 미로를 탐색합니다. 미로는 다음과 같이 구성됩니다:

• 벽(1로 표시되는 통과할 수 없는 영역).
• 경로(0으로 표시되는 열린 공간).

드론의 목표:

1. 벽을 피하세요.?
2. 길의 끝에 도달하세요.?

미로의 모습은 다음과 같습니다.

---

1단계: 미로 설정

필수 라이브러리 가져오기

먼저 필수 라이브러리를 설치하고 가져옵니다.

import matplotlib.pyplot as plt
import numpy as np
import random
import math
from heapq import heappop, heappush

미로 크기 정의

미로 크기를 정의해 보겠습니다.
파이썬
너비, 높이 = 22, 22

방향과 무게 설정

실제 탐색에서는 다양한 방향으로 이동하는 데 드는 비용이 다양할 수 있습니다. 예를 들어 북쪽으로 이동하는 것이 동쪽으로 이동하는 것보다 어려울 수 있습니다.

DIRECTIONAL_WEIGHTS = {'N': 1.2, 'S': 1.0, 'E': 1.5, 'W': 1.3}
DIRECTIONS = {'N': (-1, 0), 'S': (1, 0), 'E': (0, 1), 'W': (0, -1)}

미로 그리드 초기화

벽으로 채워진 그리드(1초)로 시작합니다.

import matplotlib.pyplot as plt
import numpy as np
import random
import math
from heapq import heappop, heappush

멍청이. ones() 함수는 주어진 모양과 유형의 새 배열을 만드는 데 사용되며, 1로 채워집니다. 기본값으로 배열을 초기화하는 데 유용합니다.

2단계: 미로 만들기

이제 벽만으로 초기화된 미로의 경로를 "조각"하는 함수를 정의해 보겠습니다

DIRECTIONAL_WEIGHTS = {'N': 1.2, 'S': 1.0, 'E': 1.5, 'W': 1.3}
DIRECTIONS = {'N': (-1, 0), 'S': (1, 0), 'E': (0, 1), 'W': (0, -1)}

시작점과 끝점 정의

maze = np.ones((2 * WIDTH + 1, 2 * HEIGHT + 1), dtype=int)

---

3단계: 미로 시각화

Matplotlib를 사용하여 미로를 표시합니다.

def carve(x, y):
    maze[2 * x + 1, 2 * y + 1] = 0  # Mark current cell as a path
    directions = list(DIRECTIONS.items())
    random.shuffle(directions)  # Randomize directions

    for _, (dx, dy) in directions:
        nx, ny = x + dx, y + dy
        if 0 <= nx < WIDTH and 0 <= ny < HEIGHT and maze[2 * nx + 1, 2 * ny + 1] == 1:
            maze[2 * x + 1 + dx, 2 * y + 1 + dy] = 0
            carve(nx, ny)

carve(0, 0)  # Start carving from the top-left corner

---

4단계: A와 함께 미로 풀기*

A* 알고리즘은 경로 비용과 경험적 방법의 조합을 사용하여 가중치 미로에서 최단 경로를 찾습니다.

휴리스틱 정의

우리는 유클리드 거리를 휴리스틱으로 사용합니다.

start = (1, 1)
end = (2 * WIDTH - 1, 2 * HEIGHT - 1)
maze[start] = 0
maze[end] = 0

A* 알고리즘 구현

fig, ax = plt.subplots(figsize=(8, 6))
ax.imshow(maze, cmap='binary', interpolation='nearest')
ax.set_title("2D Maze")
plt.show()

---

5단계: 솔루션 시각화

미로가 생겼지만 아직 드론의 경로를 볼 수 없습니다.
드론의 경로를 시각화해 보겠습니다.

def heuristic(a, b):
    return math.sqrt((a[0] - b[0]) ** 2 + (a[1] - b[1]) ** 2)

---

결론

축하합니다! ? 다음과 같은 기능을 갖춘 드론 내비게이션 시스템을 구축했습니다.

• 2D 미로를 생성합니다.
• A* 알고리즘을 사용하여 해결합니다.
• 최단 경로를 시각화합니다.

---

다음 단계

1. 다양한 미로 크기와 무게로 실험해 보세요.
2. 맨해튼 거리와 같은 다른 경험적 방법을 사용해 보세요.
3. 3D 미로를 시각화하여 더욱 복잡하게 만드세요!

아래 댓글로 결과를 공유하거나 질문을 남겨주세요.
무한과 그 너머로 ?

위 내용은 matplotlib 및 A* 알고리즘을 사용하여 드론 내비게이션 시스템 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!