modified   Dis/paper/pathFind.org
@@ -45,7 +45,7 @@
 - модуль интеллектуального управления роботом.

 В данной статье приводится рассматривается процедура генерации планов местности,
-приводится методика обучения робота для достижения заданной точки на заданном
+приводится методика управления роботом для достижения заданной точки на заданном
 классе местностей.

 * Постановка задачи
@@ -61,12 +61,12 @@
 Робот имеет априорную информацию о местности, по которой ему предстоит
 перемещаться. Эта информация представляет собой план местности до изменений.

-Априорная информация может использоваться роботом для обучения.
+Априорная информация может использоваться при управлении роботом.

 В момент запуска робот получает информацию о координатах точки старта и финиша.

-Робот получает информацию от датчиков. Установленные датчики позволяют получить
-информацию о местности, а именно расстояние от робота до объектов вокруг.
+Робот получает информацию от датчиков. Установленные датчики позволяет получить
+данные о проходимости области вокруг робота.

 Наиболее распространенным видом датчиков является лидар [1].

@@ -88,7 +88,7 @@ N, где N определяется дальностью датчиков.

 * Генератор местностей

-Для обучения робота необходимо подготовить планы местностей.
+Необходимо подготовить планы местностей.

 Определим класс генерируемых местностей -- внутренние помещения.

@@ -105,10 +105,10 @@ N, где N определяется дальностью датчиков.

 - отношение длины комнаты к ее ширине, задается целым числом процентов (S).

-Для создания различных вариантов одного помещения, необходимых для обучения
-робота, предлагается добавить препятствия и проходы с определенной
-интенсивностью. Для этого предлагается добавить к исходному плану помещения
-аддитивный гауссовский белый шум с заданной интенсивностью [3].
+Для создания различных вариантов одного помещения предлагается добавить
+препятствия и проходы с определенной интенсивностью. Для этого предлагается
+добавить к исходному плану помещения аддитивный гауссовский белый шум с заданной
+интенсивностью [3].

 Определим также виды помещений.

@@ -175,26 +175,55 @@ N, где N определяется дальностью датчиков.

 * Построение маршрута в условиях локальной видимости

-Для обучения робота предлагается использование искусственных нейронных сетей [4].
+Для управления роботом предлагается использование искусственных нейронных сетей [4].

-Обучение робота производится в разработанной моделирующей среде.
+Управление роботом и оценка качества алгоритма производится в разработанной
+моделирующей среде.

-Для обучения робота с матрицей видимости $N x N$ в двумерном варианте
+Моделирующая среда предназначена для уменьшения стоимости испытаний над роботом.
+
+Моделирующая среда представляет собой программу, которая отображает карту, точку
+начала, точку конца движения робота, а также самого робота.
+
+Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
+передает модулю интеллектуального управления роботом текущее значение матрицы
+области видимости робота.
+
+Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
+получает от модуля интеллектуального управления роботом управляющий сигнал.
+
+В зависимости от полученного управляющего сигнала, моделирующая среда изменяет
+положение робота на карте и отображает изменения на экране.
+
+В случае получения некорректного управляющего сигнала моделирующая среда
+сообщает пользователю об ошибке и прекращает работу.
+
+Модуль интеллектуального управления роботом представляет собой программу,
+реализующую модель нейронной сети.
+
+Программа работает в двух режимах: режим обучения и режим реализации.
+
+В режиме обучения программа принимает на вход подготовленные схемы помещения.
+
+В режиме реализации программа получает на вход сигналы от модуля взаимодействия
+робота и моделирующей среды и отвечает на них управляющим сигналом.
+
+Для управления роботом с матрицей видимости $N x N$ в двумерном варианте
 используется полносвязный перцептрон с $(N*N+2)$ входами и двумя выходами.
 Первые $N*N$ входов принимают на вход текущую матрицу видимости, два других --
 координаты текущего положения робота. Выходы перцептрона отвечают за направление
 движения по координатам.

-Предложенный алгоритм может быть использован для обучения робота на пространстве
-любой размерности.
+Предложенный алгоритм может быть использован для управления роботом на
+пространстве любой размерности.

-Алгоритм обучения робота с использованием полносвязного перцептрона на
+Алгоритм обучения полносвязного перцептрона для управления роботом на
 помещениях с заданными параметрами:

 1. Сгенерировать помещение с заданными параметрами.

 2. Сформировать множество вариаций сгенерированного помещения с
-помощью генератора шума.
+   помощью генератора шума.

 3. Выбрать точки старта и финиша.

@@ -211,11 +240,11 @@ N, где N определяется дальностью датчиков.
    6.2. Получить оптимальный маршрут для текущего положения робота.

    6.3. Предъявить нейронной сети для в качестве параметров матрицу видимости,
-   координаты робота, в качестве целевой функции предъявляется оптимальное
-   перемещение из заданной точки.
+        координаты робота, в качестве целевой функции предъявляется оптимальное
+        перемещение из заданной точки.

    6.4. Робот перемещается в положение, которое является оптимальным
-   перемещением из текущей точки.
+        перемещением из текущей точки.

 После обучения на планах помещения одного типа робот может находить оптимальный
 маршрут на других помещениях заданного типа.
@@ -233,8 +262,8 @@ N, где N определяется дальностью датчиков.

 Приведена классификация помещений.

-Разработана методика обучения робота для достижения заданной точки на местности
-в условиях ограниченной видимости с помощью нейронной сети.
+Разработана методика обучения полносвязного перцептрона для управления роботом
+для достижения заданной точки на местности в условиях ограниченной видимости.

 * Список используемых источников
   :PROPERTIES:
modified   Dis/paper/pathFind.pdf
modified   Dis/paper/pathFind.tex
@@ -1,4 +1,4 @@
-% Created 2018-05-22 Вт 19:19
+% Created 2018-05-23 Ср 09:59
 % Intended LaTeX compiler: pdflatex
 \documentclass[11pt]{article}
 \usepackage[utf8]{inputenc}
@@ -25,7 +25,7 @@
  pdftitle={Программный комплекс для моделирования, отладки и оценки алгоритмов построения пути в условиях локальной видимости с использованием априорных данных},
  pdfkeywords={},
  pdfsubject={},
- pdfcreator={Emacs 27.0.50 (Org mode 9.1.12)},
+ pdfcreator={Emacs 27.0.50 (Org mode 9.1.13)},
  pdflang={Russian}}
 \begin{document}

@@ -33,7 +33,7 @@


 \section*{Введение}
-\label{sec:org600660a}
+\label{sec:org32750b0}
 В настоящее время одной из самых бурно развивающихся областей науки и техники
 является робототехника. В случае катастрофы робот может помочь деятельности
 спасателей.
@@ -63,39 +63,39 @@
 \end{itemize}

 В данной статье приводится рассматривается процедура генерации планов местности,
-приводится методика обучения робота для достижения заданной точки на заданном
+приводится методика управления роботом для достижения заданной точки на заданном
 классе местностей.

 \section{Постановка задачи}
-\label{sec:orgb05e450}
+\label{sec:orgeb15cda}

 Решается задача перемещения робота из начальной точки в некоторую фиксированную
-точку на местности, которая была искажена в результате катастрофы (рисунок \ref{fig:org6e4cf9c}).
+точку на местности, которая была искажена в результате катастрофы (рисунок \ref{fig:org163843d}).


 \begin{figure}[htbp]
 \centering
 \includegraphics[width=.9\linewidth]{./post1.jpeg}
-\caption{\label{fig:org6e4cf9c}
+\caption{\label{fig:org163843d}
 Постановка задачи}
 \end{figure}

 Робот имеет априорную информацию о местности, по которой ему предстоит
 перемещаться. Эта информация представляет собой план местности до изменений.

-Априорная информация может использоваться роботом для обучения.
+Априорная информация может использоваться при управлении роботом.

 В момент запуска робот получает информацию о координатах точки старта и финиша.

-Робот получает информацию от датчиков. Установленные датчики позволяют получить
-информацию о местности, а именно расстояние от робота до объектов вокруг.
+Робот получает информацию от датчиков. Установленные датчики позволяет получить
+данные о проходимости области вокруг робота.

 Наиболее распространенным видом датчиков является лидар [1].

 Информацию о местности вокруг робота можно закодировать в виде матрицы порядка
 N, где N определяется дальностью датчиков.

-На рисунке \ref{fig:orgce3a3fa} приведен пример матрицы области видимости робота.
+На рисунке \ref{fig:orgb1dfe1c} приведен пример матрицы области видимости робота.

 В середине матрицы находится сам робот. Здесь он отмечен символом \texttt{X}.
 Свободные для перемещения клетки отмечены символом \texttt{0}, занятые -- \texttt{1}.
@@ -106,15 +106,15 @@ N, где N определяется дальностью датчиков.
 \begin{figure}[htbp]
 \centering
 \includegraphics[width=.9\linewidth]{./post2.png}
-\caption{\label{fig:orgce3a3fa}
+\caption{\label{fig:orgb1dfe1c}
 Пример матрицы области видимости робота}
 \end{figure}


 \section{Генератор местностей}
-\label{sec:orgaff5ce4}
+\label{sec:org69f0ecf}

-Для обучения робота необходимо подготовить планы местностей.
+Необходимо подготовить планы местностей.

 Определим класс генерируемых местностей -- внутренние помещения.

@@ -133,10 +133,10 @@ N, где N определяется дальностью датчиков.
 \item отношение длины комнаты к ее ширине, задается целым числом процентов (S).
 \end{itemize}

-Для создания различных вариантов одного помещения, необходимых для обучения
-робота, предлагается добавить препятствия и проходы с определенной
-интенсивностью. Для этого предлагается добавить к исходному плану помещения
-аддитивный гауссовский белый шум с заданной интенсивностью [3].
+Для создания различных вариантов одного помещения предлагается добавить
+препятствия и проходы с определенной интенсивностью. Для этого предлагается
+добавить к исходному плану помещения аддитивный гауссовский белый шум с заданной
+интенсивностью [3].

 Определим также виды помещений.

@@ -212,32 +212,59 @@ N, где N определяется дальностью датчиков.
 \end{itemize}

 \section{Построение маршрута в условиях локальной видимости}
-\label{sec:orga1dcf26}
+\label{sec:org564a475}

-Для обучения робота предлагается использование искусственных нейронных сетей [4].
+Для управления роботом предлагается использование искусственных нейронных сетей [4].

-Обучение робота производится в разработанной моделирующей среде.
+Управление роботом и оценка качества алгоритма производится в разработанной
+моделирующей среде.

-Для обучения робота с матрицей видимости \(N x N\) в двумерном варианте
+Моделирующая среда предназначена для уменьшения стоимости испытаний над роботом.
+
+Моделирующая среда представляет собой программу, которая отображает карту, точку
+начала, точку конца движения робота, а также самого робота.
+
+Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
+передает модулю интеллектуального управления роботом текущее значение матрицы
+области видимости робота.
+
+Моделирующая среда посредством модуля взаимодействия робота и моделирующей среды
+получает от модуля интеллектуального управления роботом управляющий сигнал.
+
+В зависимости от полученного управляющего сигнала, моделирующая среда изменяет
+положение робота на карте и отображает изменения на экране.
+
+В случае получения некорректного управляющего сигнала моделирующая среда
+сообщает пользователю об ошибке и прекращает работу.
+
+Модуль интеллектуального управления роботом представляет собой программу,
+реализующую модель нейронной сети.
+
+Программа работает в двух режимах: режим обучения и режим реализации.
+
+В режиме обучения программа принимает на вход подготовленные схемы помещения.
+
+В режиме реализации программа получает на вход сигналы от модуля взаимодействия
+робота и моделирующей среды и отвечает на них управляющим сигналом.
+
+Для управления роботом с матрицей видимости \(N x N\) в двумерном варианте
 используется полносвязный перцептрон с \((N*N+2)\) входами и двумя выходами.
 Первые \(N*N\) входов принимают на вход текущую матрицу видимости, два других --
 координаты текущего положения робота. Выходы перцептрона отвечают за направление
 движения по координатам.

-Предложенный алгоритм может быть использован для обучения робота на пространстве
-любой размерности.
+Предложенный алгоритм может быть использован для управления роботом на
+пространстве любой размерности.

-Алгоритм обучения робота с использованием полносвязного перцептрона на
+Алгоритм обучения полносвязного перцептрона для управления роботом на
 помещениях с заданными параметрами:

 \begin{enumerate}
 \item Сгенерировать помещение с заданными параметрами.

 \item Сформировать множество вариаций сгенерированного помещения с
-\end{enumerate}
-помощью генератора шума.
+помощью генератора шума.

-\begin{enumerate}
 \item Выбрать точки старта и финиша.

 \item Найти оптимальный путь из точки старта в точку финиша. Для каждой точки
@@ -253,18 +280,18 @@ N, где N определяется дальностью датчиков.
 6.2. Получить оптимальный маршрут для текущего положения робота.

 6.3. Предъявить нейронной сети для в качестве параметров матрицу видимости,
-координаты робота, в качестве целевой функции предъявляется оптимальное
-перемещение из заданной точки.
+     координаты робота, в качестве целевой функции предъявляется оптимальное
+     перемещение из заданной точки.

 6.4. Робот перемещается в положение, которое является оптимальным
-перемещением из текущей точки.
+     перемещением из текущей точки.
 \end{enumerate}

 После обучения на планах помещения одного типа робот может находить оптимальный
 маршрут на других помещениях заданного типа.

 \section*{Выводы}
-\label{sec:org8f42f53}
+\label{sec:org82fc30a}
 В статье были сформулирована задача достижения заданной точки на местности с
 препятствиями в условиях ограниченной видимости.

@@ -272,11 +299,11 @@ N, где N определяется дальностью датчиков.

 Приведена классификация помещений.

-Разработана методика обучения робота для достижения заданной точки на местности
-в условиях ограниченной видимости с помощью нейронной сети.
+Разработана методика обучения полносвязного перцептрона для управления роботом
+для достижения заданной точки на местности в условиях ограниченной видимости.

 \section*{Список используемых источников}
-\label{sec:orgedf1871}
+\label{sec:org463dab4}
 \begin{enumerate}
 \item Deitz, Paul H., Atmospheric Effects on the Beam Propagation of the XM-23 Laser
 Rangefinder, Laser Range Instrumentation, SPIE Proceedings Vol. 11. Bellingham,