1 file changed, 10 insertions(+), 5 deletions(-)
Dis/paper/pathFind.org | 15 ++++++++++-----

modified   Dis/paper/pathFind.org
@@ -1,4 +1,4 @@
-#+TITLE: Анализ задачи нахождения пути в условиях локальной видимости с использованием априорных данных
+#+TITLE: Программный комплекс для моделирования, отладки и оценки алгоритмов построения пути в условиях локальной видимости с использованием априорных данных

 #+AUTHOR: К. А. Воробьев, А. Н. Смирнов
 #+DATE: 2018
@@ -39,6 +39,9 @@

 - модуль интеллектуального управления роботом.

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

 * Постановка задачи

@@ -74,9 +77,11 @@ N, где N определяется дальностью датчиков.
 [[./post2.png]]


-* Генератор помещений
+* Генератор местностей

-Для обучения робота необходимо подготовить планы помещений.
+Для обучения робота необходимо подготовить планы местностей.
+
+Определим класс генерируемых местностей -- внутренние помещения.

 Для генерации планов помещений используется алгоритм BSP [2].

@@ -93,7 +98,7 @@ N, где N определяется дальностью датчиков.

 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 местности
+интенсивностью. Для этого предлагается добавить к исходному плану помещения
 аддитивный гауссовский белый шум с заданной интенсивностью [3].

 Определим также виды помещений.
@@ -185,7 +190,7 @@ N, где N определяется дальностью датчиков.
 3. Выбрать точки старта и финиша.

 4. Найти оптимальный путь из точки старта в точку финиша. Для каждой точки
-   местности необходимо определить следующую точку оптимального маршрута в точку
+   помещения необходимо определить следующую точку оптимального маршрута в точку
    финиша. Если такого пути не существует, то перейти к шагу 2.

 5. Поместить робота в точку старта.