MétaCan
Menu
Retour à la cohorte
Enregistrement W2057439989 · doi:10.3390/robotics4010025

Development of an Effective Docking System for Modular Mobile Self-Reconfigurable Robots Using Extended Kalman Filter and Particle Filter

2015· article· en· W2057439989 sur OpenAlexafffund
Peter Won, Mohammad Biglarbegian, William Melek

Notice bibliographique

RevueRobotics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaElse Kröner-Fresenius-Stiftung
Mots-clésExtended Kalman filterModular designDocking (animal)Kalman filterParticle filterMobile robotComputer scienceEncoderRobotSimulationControl engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents an autonomous docking system with novel integrated algorithms for mobile self-reconfigurable robots equipped with inexpensive sensors. A novel docking algorithm was developed to determine the initial distance and orientation of the two modules, and sensor models were established through experiments. Both Extended Kalman filter (EKF) and particle filter (PF) were deployed to fuse the measurements from IR and encoders and provide accurate estimates of orientation and distance. Simulation experiments were carried out first and then real experiments were conducted to verify the feasibility and good performance of the proposed docking algorithm and system. The proposed system provides a robust and reliable docking solution using low cost sensors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,259
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRoboticsMême sujetModular Robots and Swarm IntelligenceTravaux en français237 207