Pas une minute a consacrer aux Mebius en 2 semaines, pas glop ! Mais aujourd’hui j’ai pu m’y remettre et tester les Mebius en mode ‘econome’.
Pour commencer, je refais un run dans les memes conditions que precedemment mais en mesurant la somme des poussees (gauche,droite). Sur le graphe ci-dessous, c’est la courbe rouge. Chaque valeur de poussee varie entre 0.0 et 1.0, la somme varie donc entre 0.0 et 2.0, et sur ce run on a une poussee totale egale a 1.07 en moyenne a chaque iteration. En bleu la distance a la cible, 0.01 en moyenne, pour une memoire disponible de 50ko, comme precedemment.
Ensuite je rajoute dans le fichier de configuration la contrainte ‘minimiser chaque poussee’, et je refais un run, cf graphe ci-dessous. Cote distance a la cible, on obtient 0.02, un peu plus que sur le run precedent, mais faisant plusieurs runs ca semble en moyenne donner des resultats similaires. Cote poussee totale, ca a significativement diminue. On a une poussee totale moyenne de 0.57, soit 53% du run precedent. Joli !
Mais je me suis demande jusqu’ou ca pouvait descendre. Alors j’ai refait un run en immobilisant la cible, cf graphe ci-dessous. A priori, une fois que le mebius s’est positionne dessus, la contrainte de minimisation de la poussee devrait l’amener a s’immobiliser totalement. Pourtant la poussee totale moyenne se stabilise autour de 0.14. Pour comprendre pourquoi le mebius ne s’immobilise pas il suffit de regarder la distance a la cible : elle se stabilise autour de 0.002. C’est tres petit mais pas nul : le mebius ne peut jamais se trouver exactement sur la cible a cause de la precision finie de ses valeurs de poussee. Les capteurs que je modelise dans cette exemple mesurant la distance exacte, le mebius ressent en permanence la cible un poil trop a gauche ou un poil trop a droite, et cherche en vain a ameliorer sa position.
Ensuite j’ai simplement reverifie qu’avec un coefficient de poussee variable tout se passe toujours bien, cf graphe ci-dessous. En terme de distance a la cible on obtient des resultats equivalents a ceux sans la contrainte de minimisation de la poussee. Cote poussee totale moyenne, en toute logique elle baisse proportionnellement a l’augmentation du coefficient de poussee.
Conclusion, meme avec plusieurs contraintes antagoniques le mebius arrive a converger vers une solution optimale.