Toward Safer Navigation of Heterogeneous Mobile Robots in Distributed Scheme: A Novel Time-to-Collision-Based Method
Notice bibliographique
Résumé
For safe and efficient navigation of heterogeneous multiple mobile robots (HMRs), it is essential to incorporate dynamics (mass and inertia) in motion control algorithms. Many methods rely only on kinematics or point-mass models, resulting in conservative results or occasionally failure. This is especially true for robots with different masses. In this article, we develop a novel navigation methodology for a distributed scheme by incorporating the robots' dynamics through calculating the time to collision (TTC) and designing a new controller accordingly that avoids collisions. We first propose a new predictive collision term by TTC that will be used to quantify imminent collisions among HMRs. Subsequently, using this term, we develop a novel nonlinear controller that explicitly incorporates TTC in the design and guarantees collision-free motion. Simulations and experiments were performed to demonstrate the effectiveness of the developed methods. We first compared the results of our proposed approach with controllers that only consider the robots' kinematics. It was shown that the proposed control strategy (a TTC-based controller) proves to be less conservative when determining safe motions. Specifically, for environments with limited space, it was demonstrated that using robots' kinematics may result in a collision, while our strategy results in safe motion. We also performed experiments that proved collision-free navigation of HMRs with this approach. The outcomes of this work provide more reliable motion control for HMRs, especially when the robots' masses or inertias are significantly different, for example, warehouses. The developments in this work are also applicable to vehicles and can therefore be beneficial in automated collision avoidance in autonomous driving and intelligent transportation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».