Некоторые методы планирования движения робота в условиях неопределённости:

• Пошаговая оптимизация текущего положения каждого робота группы относительно заданной цели. 1 Анализируется возможность движения каждого робота в направлениях, определяемых средствами аналитической геометрии на основе измерений бортовых датчиков расстояния. 1 В случае невозможности движения ни в одном из направлений производится оценка положения соседних роботов группы и выбирается положение лидера в качестве промежуточного состояния, при этом осуществляется корректировка траектории на основе измерений бортовых датчиков расстояния при наличии препятствий. 1
• Двухуровневая интеллектуальная система планирования движений. 1 Поиск траектории осуществляется на двух уровнях — грубой и точной подсистемах планирования. 1 Для построения грубой подсистемы используются генетические алгоритмы, для построения точной — нечёткая логика. 1
• Гибридные системы планирования. 3 Используют генетические алгоритмы и методы нечёткого вывода для синтеза оптимальных путей на глобальном и локальном уровне. 3 На первом этапе формируется модель окружающей среды как входных данных для генетического алгоритма. 3 Полученное решение является приближённым, а его уточнение производится на втором этапе локального поиска с помощью нечётких методов. 3
• Иерархический планировщик POMDP. 5 Разрабатывает оптимизированные по затратам планы движения для моделей гибридной динамики. 5 Иерархический планировщик сначала разрабатывает высокоуровневый план движения для упорядочивания посещаемых локальных динамических моделей, а затем преобразует его в подробный непрерывный план состояния. 5