Optimal Path Generation and Real-time Scheduling for Autonomous Mobile Platforms
Notice bibliographique
Résumé
Optimizing path planning and real-time scheduling are crucial for autonomous mobile vehicles under dynamic conditions. In this study, advanced algorithms are developed to achieve the above functions under breakdown scenarios for autonomous sweeping trucks with operational constraints. The methodology involves Spectral clustering, utilizing its ability to efficiently assign service routes to a predefined number of vehicles. Simulated Annealing (SA) in conjunction with the Traveling Salesman Problem (TSP) is then employed to systematically optimize route sequences, ensuring minimal travel distances and efficient coverage. Real-time scheduling functions dynamically redistribute routes using a comprehensive approach tailored to breakdown disruptions, ensuring operational efficiency. Edge redistribution employs Kernighan-Lin bisection to equally allocate remaining unattended road edges from broken vehicles to operational ones, promoting an equitable distribution of tasks among available resources. Simultaneously, Dijkstra’s algorithm is applied to identify the shortest path between the last edge of a working vehicle and the first redistributed one, minimizing travel distances and optimizing route sequences. Reconnection strategies are implemented to eliminate any disconnected edges resulting from the redistribution process. Simulations demonstrate the developed algorithms’ effectiveness, providing a 71.6% efficiency rate and a short computation time of 35.63 seconds for a 17.68 km service route. Additionally, detailed statistical calculations include normal service distance, deadhead distance, and overall efficiency for both normal operation and breakdown scenarios. The algorithms can enhance work efficiency and resource utilization for various autonomous mobile systems through adaptive path planning and real-time scheduling based on operational conditions and demand.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».