Trajectory and temporal planning of a wheeled mobile robot on an uneven surface
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY Computing a realistic velocity profile for a mobile robot is a challenging task due to the large number of kinematic and dynamic constraints involved. In order for a mobile robot to complete its task it must be able to plan and follow a trajectory. It may also be necessary to follow a given velocity profile, depending on the environment. Temporal planning, or following a given velocity profile, can be used to minimize time of motion and to avoid moving obstacles. For example, assuming the mobile robot is a smart wheelchair, it must follow a prescribed path while following a strict speed limit. This paper presents a temporal planning algorithm that is implemented on a wheeled mobile robot to be used in an indoor setting, such as a hospital ward. The path planning stage is accomplished by using cubic spline functions. A trajectory is created by assigning an arbitrary time of 1 s to each segment of the path. This trajectory is made feasible by applying a number of constraints and using a linear scaling technique. When a velocity profile is given, a non-linear time scaling technique is used to fit the mobile robot's linear velocity to the given velocity profile. A method for avoiding moving obstacles is also implemented. Simulation and experimental results showed good agreement with each other. The main contribution of this paper is in developing a temporal planning algorithm, which is capable of moving on an uneven surface (graded non-flat), and its implementation on the mobile robot at the robotics lab in the University of Saskatchewan. This algorithm is computationally very efficient as it requires low computation cost and does not involve major iterations.
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.
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 | 0,001 | 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 découle