MétaCan
Menu
Retour à la cohorte
Enregistrement W2782644212 · doi:10.1109/iris.2017.8250094

Flocking motion control for a system of nonholonomic vehicles

2017· article· en· W2782644212 sur OpenAlexaff
Mohammed Abouheaf, Wail Gueaieb

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Dynamics of Mobile Robots
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFlocking (texture)Nonholonomic systemControl theory (sociology)KinematicsComputer scienceControl engineeringMobile robotFeedback linearizationMotion controlFuzzy control systemRobotFuzzy logicEngineeringControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

The applications of nonholonomic autonomous systems, such as smart cars and wheeled domestic robots, have gained much attention in the scientific and industrial communities. The non-linearities in the kinematics and dynamics of such systems pause many challenges in stabilizing their motion. In this paper, a motion control system with local and team control objectives is introduced for a flock of nonholonomic vehicles, using bounded input-output feedback linearization. The team control objectives include a navigational control system, which is implemented using smooth state feedback control laws, and a synchronization control system, which is implemented using a smooth position dependent adjacency matrix and communication graph structures. The local control objective involves a collision avoidance scheme, which is implemented using an extended Takagi-Sugeno-Kang fuzzy model. The proposed technique is successfully validated in a numerical simulation with 10 differentialdrive mobile robots.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,236

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 Opus0,007
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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
GenreEmpirique

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

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetControl and Dynamics of Mobile RobotsTravaux en français237 207