في عالم التكنولوجيا الحديثة، أصبح الذكاء الاصطناعي (AI) جزءًا لا يتجزأ من العديد من التطبيقات، خصوصًا في مجالات التحكم الحركي والتخطيط. في هذا الإطار، قدمت دراسة حديثة مقارنة مثيرة بين ثلاث خوارزميات للتخطيط الحركي للروبوتات، وهي: RRT*، Neural RRT*، وNeural Informed RRT*.

تتجاوز خوارزميات الذكاء الاصطناعي التقليدية في تحليلها البيئات المعقدة، حيث تم اختبارها في بيئات تحتوي على أشكال متعددة من العقبات، سواء كانت محدبة أو مقعرة، مع كثافات مختلفة من العقبات.

تشير نتائج الدراسة إلى أن الخوارزميات التي تم توجيهها بواسطة تقنيات الذكاء الاصطناعي قد ساهمت في تحسين جودة المسارات بشكل ملحوظ. حيث تمكنت من إنتاج مسارات أقصر تصل إلى 14% وأكثر سلاسة تصل إلى 75% مقارنة بالخوارزمية التقليدية RRT*.

بين الخوارزميات الثلاث، كانت Neural Informed RRT* هي الأكثر فعالية من حيث طول المسار وسلاسة الحركة، مما يدل على مدى فاعلية استراتيجيات السحب المعتمدة على الذكاء الاصطناعي في تعزيز موثوقية وكفاءة الحركة في التنقلات الروبوتية والطائرات بدون طيار (UAV)، على الرغم من الزيادة الطفيفة في وقت الحوسبة.

يأتي هذا البحث ليؤكد أهمية الذكاء الاصطناعي المتزايدة في تطبيقات التخطيط الحركي الروبوتي في الوقت الحقيقي، مما يمهد الطريق لمزيد من الابتكارات في هذا المجال.