MétaCan
Menu
Retour à la cohorte
Enregistrement W3189840574 · doi:10.1109/cacre52464.2021.9501301

Obstacle Avoidance for Autonomous Mobile Robots in Unstructured Human Environments

2021· article· en· W3189840574 sur OpenAlexaff
Yugang Liu

Notice bibliographique

Revue2021 6th International Conference on Automation, Control and Robotics Engineering (CACRE) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésObstacle avoidanceMobile robotObstacleComputer scienceRobotCollision avoidanceArtificial intelligenceComputer visionHuman–computer interactionComputer securityGeographyCollision

Résumé

récupéré en direct d'OpenAlex

This paper presents an obstacle avoidance approach for autonomous mobile robots in unstructured human environments, focusing on avoiding irregular obstacles that cannot be detected by traditional 2D laser-based obstacle detection techniques. With the aid of ultrasound sensors and RGB-D cameras, the developed approach can effectively avoid obstacles below the laser scanning plane, which can address the challenges of mobile robots crashing human's feet in unstructured human environments. Furthermore, the developed approach can reliably avoid obstacles hanging in the air, which put up severe challenges to mobile robots working in such unstructured human environments as airports. The effectiveness of the developed obstacle avoidance approach is verified by extensive experiments.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,814
Score d'incertitude au seuil1,000

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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 6th International Conference on Automation, Control and Robotics Engineering (CACRE)Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207