MétaCan
Menu
Retour à la cohorte
Enregistrement W2790061769 · doi:10.1155/2018/5278565

Leader-Follower Based Locally Rigid Formation Control

2018· article· en· W2790061769 sur OpenAlexvenueno aff
Krishna Raghuwaiya, Bibhya Sharma, Jito Vanualailai

Notice bibliographique

RevueJournal of Advanced Transportation · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCartesian coordinate systemNonholonomic systemControl theory (sociology)Robustness (evolution)Mobile robotControl engineeringComputer scienceNonlinear systemAccelerationMotion controlRobotEngineeringControl (management)SimulationArtificial intelligenceMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper addresses motion control of a cooperative intelligent transport system (C-ITS) of nonholonomic mobile robots navigating a dynamic environment while maintaining a locally rigid formation. We consider the design of acceleration-based control inputs that govern the motion of cooperative intelligent transport system (C-ITS) using the artificial potential fields method for the avoidance of obstacles and attraction to designated targets. The control scheme utilizes a new leader-follower strategy using Cartesian coordinates to accomplish a collision-free locally rigid formation of an autonomous and intelligent transportation system. The concepts of virtual parking bays and minimum distance technique (MDT) are utilized to attain prescribed orientations of the formation at the final destination. The robustness of the control scheme is established by considering the effect noise on the formation, while the effectiveness of the proposed nonlinear control laws is demonstrated through computer simulations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetDistributed Control Multi-Agent SystemsTravaux en français237 207