MétaCan
Menu
Retour à la cohorte
Enregistrement W2168300466 · doi:10.5772/58705

Reactive Robot Navigation Utilizing Nonlinear Control

2014· article· en· W2168300466 sur OpenAlexaff
C.J.B. Macnab, Sebastian Magierowski

Notice bibliographique

RevueInternational Journal of Advanced Robotic Systems · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensYork UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRobotHeuristicCollision avoidanceMobile robotNonlinear systemPosition (finance)Fuzzy logicControl theory (sociology)Encoding (memory)Path (computing)Motion planningStability (learning theory)CollisionArtificial intelligenceReal-time computingComputer visionControl (management)

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a computationally efficient heuristic solution to choosing a path around obstacles in the face of limited sensor information. Specifically, we propose a navigation algorithm for a mobile robot that reaches a measured target position while avoiding obstacles, making decisions in real-time (without stopping) and relying strictly on information obtained from limited and noisy robot-mounted sensors to determine the location and severity of obstacles. The solution utilizes fuzzy processing to encode the environment – the fuzzy encoding is used both in deciding on an intermediate target direction and in a collision-avoidance strategy. A closed-loop nonlinear feedback control provides a smooth motion with stability guarantees. Simulation results in a corridor environment demonstrate expected collision-free trajectories.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,755
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,275
Écart entre enseignants0,262 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Robotic SystemsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207