ساختن ربات های خودمختار از اهداف نهایی دانش رباتیک است. چنین ربات‏هایی توصیف های سطح بالا از وظایف را می پذیرند و آن ها را بدون دخالت انسان انجام می دهند. توصیف های ورودی مشخص می سازد که کاربر به دنبال چه چیزی است به جای این که چگونه آن را انجام دهد. پیشرفت به سمت ربات های خودمختار یکی از علایق اصلی در بسیاری از کاربردها مثل کار در کارخانه، ساخت سازه، مدیریت زباله، اکتشاف فضا، عملیات زیر دریا، کمک به افراد معلول و جراحی های پزشکی است. از آنجا که این موضوع شامل مباحث عمیق محاسباتی است در علم کامپیوتر بسیار مورد توجه قرار گرفته است. توسعه تکنولوژی های لازم برای ربات های خودمختار شامل استدلال خودمختار، احساس و کنترل است که تحقیقات در این زمینه ها ادامه دارد. به همین خاطر مشکلات و مسائل بسیار مهمی بروز کرده است که یکی از آن ها به نام تعیین مسیر، موضوع این پروژه است. تعیین مسیر عبارت است از تصمیم گیری ربات در انتخاب حرکات برای رسیدن به هدف (به شکل فیزیکی) است. در واقع حداقل انتظار از یک ربات خودمختار، توانایی تعیین مسیر خودش است. در نگاه اول، اینطور به نظر می آید که تعیین مسیر کار ساده ای است چون انسان ها با این مسئله، روزانه بدون هیچ سختی مواجه می شوند. در حقیقت این عمل به این خاطر ساده است که انسان بدون توجه و آگاهی به پیچیدگی های درک و احساس، به عنوان دو عنصر هوشمندی، این کار را انجام می دهد. با توجه به این موضوع، مسئله تعیین مسیر برای یک ربات کنترل شده به وسیله کامپیوتر به دلیل نداشتن درک و حس، مسئله ای سخت است. یک نگرش عمومی این است که تعیین مسیر صرفاً اجتناب از تصادف با موانع است. در حقیقت تعیین مسیر مفهومی گسترده تر از این است و شامل جنبه های مختلف زیر است: • محاسبه مسیرهای عاری از تصادف بین موانع در حال حرکت • هماهنگ سازی حرکت بین ربات های مختلف • استدلال در مواقع عدم قطعیت برای ایجاد استراتژی های حرکت بر مبنای حس کردن در مواجهه با خواص فیزیکی مدل ها مثل جرم، جاذبه و اصطکاک • تعیین مسیر اشیاء در دست ربات بنابراین تعیین مسیر، ربات را ملزم می کند تا محدودیت های هندسی (مثل محدودیت های فیزیکی و زودگذر) را در نظر بگیرد. علاوه بر آن در مواقعی که عدم قطعیت وجود دارد، باید مسائل مربوط به عواطف و احساسات نیز در نظر گرفته شود. به طور کلی می توان دو رهیافت اصلی در حل مسئله تعیین مسیر نام برد. رهیافت اول مبتنی بر هندسه محاسباتی است و سابقه مطالعاتی بیشتری دارد. رهیافت دوم مبتنی بر روش های مکاشفه ای است به طوری که شامل روش های محاسبات نرم (فازی، ژنتیک و شبکه عصبی) نیز می شود. اواسط دهه 90 نیز یک رهیافت جدید که تلفیق هندسه محاسباتی و احتمالات بود معرفی شد با این امید که بتوان از پیچیدگی فضای پیکره بندی و جستجو در روش های مبتنی بر رهیافت اول کاست. در دهه اخیر استفاده از روش های مبتنی بر محاسبات نرم مورد توجه قرار گرفته است. این روش ها که شامل منطق فازی، شبکه های عصبی مصنوعی و الگوریتم ژنتیک هستند سعی در کاهش پیچیدگی محاسبات مسیر، مدل سازی موانع و یادگیری دارند. از این رو در مواجه با محیط های پویا که موانع در حال حرکت هستند و ربات باید بدون برخورد با موانع در زمان کوتاه مسیرهای جایگزین را پیدا کند، لزوم استفاده از محاسبات نرم احساس می شود. اما روش ما روشی جدید در طراحی مسیر سینماتیکی ربات با استفاده از نوعی فرکتال است که سرعت و دقت مناسبی دارد. ساختار پایان نامه به شرح زیر است: در فصل 2، مروری بر کارهای پیشین صورت می گیرد و دو رهیافت پایه ای به تفصیل شرح داده می شوند و کارهای انجام شده بر روی آن ها توضیح داده می شود. در فصل 3، مفاهیم پایه ای lسیستم توضیح داده خواهد شد. در فصل 4، الگوریتم پیشنهادی به تفصیل مورد بحث و بررسی قرار خواهد گرفت. در فصل 5، پیاده سازی الگوریتم پیشنهادی توسط نرم افزار متلب و نتایج شبیه سازی با دو معیار کیفیت مسیر ایجاد شده و زمان اجرای آن مورد بررسی قرار خواهند گرفت.