Adaptive relative velocity estimation algorithm for autonomous mobile robots using the measurements on acceleration and relative distance
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 In this article, an adaptive algorithm is proposed for online velocity estimation of the autonomous mobile robots (AMRs) without positioning data received from a Global Positioning System (GPS) module or other means for odometry. Unlike the popular Kalman and particle filters that use the measurements on vectors of global (or local) position and acceleration of a mobile robot, the proposed adaptive relative velocity estimation (ARVE) algorithm requires the scalar value of measured distance to a beacon agent and also the measurement on acceleration vector, in order to generate an online estimation of the global velocity vector of a mobile robot. Combining the ARVE algorithm with the recently proposed adaptive relative position estimation (ARPE) algorithm provides a solution for online estimation of the translational states of a mobile robot without accessing the GPS data, which makes the package applicable in both indoor and outdoor environments. The stability of the ARVE algorithm is analyzed with LaSalle‐Yoshizawa theorem. In addition, two simulation studies are provided to show the application of the proposed estimation package (ARVE+ARPE) for aerial AMRs in two cases corresponding to the stationary and moving beacon agents. In the simulation results, it is shown that the estimation package can be used in conjunction with the recently proposed adaptive model‐free control (AMFC) algorithm to achieve desired tracking objective in autonomous movement of a quadrotor, without requiring the information on the internal dynamics of the robot.
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 | 0,001 |
| Science ouverte | 0,000 | 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