Toward Safer and Energy Efficient Global Trajectory Planning of Self-Guided Vehicles for Material Handling System in Dynamic Environment
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
For a sustainable operation of multiple Self-Guided Vehicles (SGVs) in a dynamic manufacturing environment, it is essential to guarantee collision-free and efficient navigation to the autonomous mobile platforms and safety to the surrounding subjects. To prevent from navigation failures, an SGV must avoid conflicts that constrain itself to abruptly brake or stop to avoid collisions. These inefficient conflicts result from unexpected changes in the configuration space or due to nearby unforeseen obstacle. In this paper, a navigation approach is proposed to adapt the global trajectory in order to reduce conflict occurrence while limiting energy consumption of the mobile platform. To generate such trajectory, first the collision risks are characterized using an objective risk perception parameter, the Time-To-Collision TTC, that rely on the kinematics of the egoSGV and the neighboring obstacles. Next, weighted Kernel Density Estimation (wKDE) defines the spatial distribution of conflict severity in configuration space. The defined zones are incorporated as a conflict layer in the global map. Then, a global trajectory planner algorithm is used to weigh between the length cost and conflict cost. Finally, to test the proposed solution, a simulation is performed in a factory-like environment, then an experiment is conducted with a real SGV. In comparison with the state-of-the-art geometrical path planning method, the results show that the proposed approach reduces navigation failures by up to 52%, while reducing the trajectory execution time by around up to 10 %. Also, the smoothness of the executed motion allowed to reduce energy consumption by over 12%.
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 | 0,000 |
| Science ouverte | 0,001 | 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