MétaCan
Menu
Retour à la cohorte
Enregistrement W2161029404

A practical approach to control and self-localization of an omni-directional mobile robot

2008· article· en· W2161029404 sur OpenAlexaff
Saeed Ziaei‐Rad, Farrokh Janabi‐Sharifi, Mohammad Mehdi DaneshPanah, Amir Abdollahi, Hossein Ostadi, Hooman Samani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Sensor-Based Localization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésOdometryMobile robotRobotComputer scienceArtificial intelligenceOrientation (vector space)Position (finance)Computer visionSoccer robotControl (management)Control engineeringRobot controlControl theory (sociology)EngineeringMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract:- Due to their advantages, omni-directional mobile robots have found many applications especially in robotic soccer competitions. Despite recent advances, effective control and self-localization of omni-directional mobile robots remain as important and challenging issues. In this work, a practical approach for control and self-localization of an omni-directional robot is proposed. For this purpose, a simplified model of the system is derived for fast tuning of the control system parameters. In particular, strategies for fast tuning of PID/PD coefficients for position and orientation control are devised. A vision-based self-localization and the conventional odometry systems are fused for robust self-localization. The methods have been tested in the RoboCup competition field using three Persia middle size omni-directional robots. The experimental results are shown to demonstrate the effectiveness of the proposed system and its comparison with a few other compatible approaches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotics and Sensor-Based LocalizationTravaux en français237 207