REAL-TIME OBSTACLE AVOIDANCE FOR AN UNDERACTUATED FLAT-FISH TYPE AUTONOMOUS UNDERWATER VEHICLE IN 3D SPACE
Notice bibliographique
Résumé
This paper discusses a real-time obstacle avoidance algorithm and its implementation for an underactuated flat-fish type autonomous underwater vehicle (AUV) in 3D space. The algorithm has been developed using multi-point potential field (MPPF) method and its real-time testing is carried out using hardware-in-loop (HIL) simulations. In MPPF method, a region of predefined radius on a hemisphere in the positive x-axis around the bow of an AUV is discretized into equiangular points with centre as the current position. By determining the point at which the minimum total potential exists, the vehicle can be moved towards that point. Here the analytical gradient of the total potential function is not calculated as it is not essentially required for moving the vehicle to the next position. The MPPF method is interfaced with dynamic model of an underactuated flat-fish type AUV and it is tested and verified using HIL simulation tool. The details of the dynamics of AUV, MPPF method and its implementation, development of HIL test bench and the simulation results are presented in this paper. The results show that the proposed MPPF method is very effective for obstacle avoidance in 3D space and can be used in the real-time control of the AUV.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».