Design of a model-based predictive controllers for trajectory-tracking of wheeled mobile robots / Conception des commandes prédictives basées sur un modèle pour le suivi de trajectoire des robots mobiles à roues
Bibliographic record
Abstract
Abstract This project focuses on the autonomous tracking control of wheeled mobile robots, with a specific emphasis on omnidirectional robots capable of instantaneous movement in any direction without reorientation. The project's primary focus is the development of nonlinear control strategies based on predictive control principles. These strategies are designed to deliver reliable tracking performance for mobile robot systems that exhibit nonlinearities and operational constraints. The project begins by developing the kinematic representation of the omnidirectional robot, which serves as the foundation for subsequent control design. Next, two distinct control approaches are formulated for the task of trajectory tracking for omnidirectional mobile robots, particularly in scenarios characterized by nonlinearities and operational constraints. The first method is an optimal predictive method utilizes non-iterative linearization techniques to effectively handle nonlinearities in the system. It also incorporates Laguerre functions to enhance computational efficiency, reducing the computational cost of control. The second approach leverages the inherent nonlinear nature of the robot's dynamics and employs resilient optimization methods to address the computational complexity associated with this approach. Stability analyses is conducted to determine the necessary conditions to achieve nominal stability for the nonlinear controller. Both control methods are rigorously verified in a simulated environment. Additionally, the performance of these methods is compared against benchmark methods from existing literature, demonstrating their effectiveness and capabilities. To further validate the practicality and suitability of the proposed control strategies, real-time experiments are conducted. These experiments confirm the theoretical development and demonstrate the effectiveness of the methods for real-world missions and applications. Résumé Ce projet se concentre sur le contrôle autonome de suivi de trajectoire des robots mobiles à roues, avec une emphase particulière sur les robots omnidirectionnels capables de se déplacer instantanément dans n'importe quelle direction sans réorientation. L'objectif principal du projet est le développement de stratégies de contrôle non linéaires basées sur les principes de contrôle prédictif. Ces stratégies sont conçues pour assurer des performances de suivi fiables pour les systèmes de robots mobiles présentant des non-linéarités et des contraintes opérationnelles. Le projet commence par développer la représentation cinématique du robot omnidirectionnel, qui sert de base à la conception ultérieure des commandes. Ensuite, deux approches de contrôle distinctes sont formulées pour la tâche de suivi de trajectoire des robots mobiles omnidirectionnels, en particulier dans des scénarios caractérisés par des non-linéarités et des contraintes opérationnelles. La première approche est une méthode prédictive optimale qui utilise des techniques de linéarisation non itératives pour gérer efficacement les non-linéarités du système. Elle intègre également les fonctions de Laguerre pour améliorer l'efficacité de calcul, réduisant ainsi le temps de calcul du contrôle. La deuxième approche exploite la nature non linéaire inhérente à la dynamique du robot et emploie des méthodes d'optimisation résilientes pour répondre à la complexité de calcul associée à cette méthode. L'analyse de stabilité est réalisée pour déterminer les conditions nécessaires pour assurer la stabilité nominale de système non linéaire. Les deux méthodes de contrôle sont rigoureusement vérifiées dans un environnement de simulation. De plus, les performances de ces méthodes sont comparées à des méthodes de référence de la littérature existante, démontrant leur efficacité et leurs capacités. Pour valider davantage l’aspect pratique et la pertinence des stratégies de contrôle proposées, des expériences en temps réel sont menées. Ces expériences confirment le développement théorique et montrent l’efficacité des méthodes pour des missions et des applications réelles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".