Modelling and state estimation of exploration rovers
Notice bibliographique
Résumé
State estimation is an important element in rover exploration missions.The objective of state estimation is to determine the pose and velocity of the rover by processing measurements from onboard sensors.It usually includes fusing measurement data from different types of sensors.Wheel encoders represent one of the fundamental categories of sensors used for estimation.The so-called classical wheel odometry is widely used in various rover applications.It estimates the rover state by tracking the motions of the two middle wheels in the differential drive based on the related wheel encoders.However, this technique has certain limitations.First, it does not employ redundant measurements.As a consequence, input noise can lead to large uncertainties in the estimated results.Second, it contains a nonlinear estimation model because of the trigonometric functions of the rover orientation.The linearization process that propagates the mean and covariance of the estimated state introduces additional errors.More importantly, it cannot detect the wheel slip and accumulates large estimated errors for rover travelling on soft terrain.The objective of this thesis is to investigate how state estimation can be improved by combining wheel encoder measurements with kinematics, dynamics, and terramechanics modelling.Kinematic and dynamic models are developed in the thesis for a range of rover maneuvres.The interaction between the wheels and soft terrain is also modelled and analyzed employing terramechanics models.A procedure for online soil parameter identification is proposed based on the sensitivity analysis of the terrain traction forces with respect to the variations of the soil parameters.i
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 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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».