Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuçlar, Dijkstra'nın en kısa yolu garanti ederken, A*'nın yol uzunluğunda minimum sapma ile daha hızlı yakınsama sağladığını ve bu nedenle gerçek zamanlı İHA navigasyonu için daha uygun olduğunu göstermektedir.
📌 3 Maddede Bu Makale
Özet
Bu çalışma, simüle edilmiş 2D ortamlarda İnsansız Hava Araçlarının (İHA) otonom yol planlaması için Dijkstra ve A* algoritmalarının karşılaştırmalı bir analizini sunmaktadır. Simülasyonlar, çok yönlü bir robotik simülasyon platformu olan CoppeliaSim (V-REP) üzerinde gerçekleştirilmiştir. Bu platformda, bir quadcopter modeli, her algoritma tarafından oluşturulan en kısa yolu takip ederek engellerle dolu senaryolarda navigasyon yapmaktadır. Her iki algoritma da ızgara tabanlı bir grafik temsil kullanılarak uygulanmış ve yol maliyetleri Manhattan ve Öklid mesafeleri ile hesaplanmıştır. İHA, hesaplanan yolu gerçek zamanlı olarak görsel olarak izler, engelleri önler ve hedefe ulaştığında başlangıç noktasına geri döner. Yol optimalitesi, hesaplama verimliliği ve yürütme süresi gibi performans ölçütleri, iki yaklaşımı karşılaştırmak için değerlendirilir. Sonuçlar, Dijkstra'nın en kısa yolu garanti ederken, A*'nın yol uzunluğunda minimum sapma ile daha hızlı yakınsama sağladığını ve bu nedenle gerçek zamanlı İHA navigasyonu için daha uygun olduğunu göstermektedir. Görselleştirilmiş simülasyon çerçevesi, klasik yol bulma algoritmalarının fizik özellikli bir ortamda İHA modelleriyle entegre edilmesinin etkinliğini gösterir ve otonom navigasyon araştırmaları için tekrarlanabilir bir test ortamı sunar.
Abstract
This study presents a comparative analysis of the Dijkstra and A* algorithms for the autonomous path planning of Unmanned Aerial Vehicles (UAVs) in simulated 2D environments. The simulations were conducted in CoppeliaSim (V-REP), a versatile robotics simulation platform, where a quadcopter model navigated through obstacle-rich scenarios by following the shortest path generated by each algorithm. Both algorithms were implemented using a grid-based graph representation, with the path costs calculated using the Manhattan and Euclidean distances. The UAV visually traced the computed path in real time, avoided obstacles, and returned to the starting point after reaching the target. Performance metrics such as path optimality, computational efficiency, and execution time were evaluated to compare the two approaches. The results indicate that while Dijkstra guarantees the shortest path, A* achieves faster convergence with minimal deviation in path length, making it more suitable for real-time UAV navigation. The visualized simulation framework demonstrates the effectiveness of integrating classical pathfinding algorithms with UAV models in a physics-enabled environment, offering a reproducible testbed for autonomous navigation research.