Trajectory Planning With Lamé-Curve Blending for Motor-Saturation Avoidance Upon Mobile-Robot Turning
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
In order to avoid motor saturation in turning maneuvers, an iterative Lamé-trajectory planning scheme is proposed to generate a smooth curvature-bounded transition trajectory for a differential-driving wheeled mobile robot (DWMR) switching from one straight path to another. The scheme consists of Lamécurve blending, inverse-kinematics computation, peak-torque positioning and torque-saturation avoidance. Firstly, a Lamé-curve blending procedure based on affine transformations, is formulated to generate a smooth G2-continuous transition trajectory for connecting two straight paths. Secondly, the platform twist is calculated according to the curvature of the Lamé-curve trajectory, then transformed into the actuated-joint rates by means of the inverse-kinematics model. Thirdly, a peak-torque positioning technique is developed to estimate the peak torques of the driving wheels when the DWMR tracks the trajectory, by combining the computed-torque method and the inverse-dynamics model. Finally, an iterative r-step saturation-avoidance prediction planning strategy is devised to suppress the peak motor torques, by means of two torque limitation schemes via adjusting trajectory curvature and robot speed. The simulation results show that, compared with the conventional planning techniques for circular arcs, our trajectory planning scheme can generate a smooth saturation-free transition trajectory with feasible curvature and traveling speed. The scheme is significantly beneficial for trajectory tracking under finite actuation torque in turning maneuvers, thereby preventing any possible path deviation caused by insufficient torque.
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