MétaCan
Menu
Back to cohort
Record W7161937865 · doi:10.82308/47529

Trajectory planning for mobile manipulators on rough terrain

2023· dissertation· en· W7161937865 on OpenAlexaboutno aff
Jiazhi Song

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldEngineering
TopicSoil Mechanics and Vehicle Dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsTextual entailmentTrajectoryESPACE

Abstract

fetched live from OpenAlex

L'exploitation forestière est une industrie très importante pour de nombreux pays, notamment le Canada. La plupart des entreprises modernes d'exploitation forestière dans le monde emploient des machines avec des conceptions connues sous le nom de manipulateurs mobiles dans le domaine de la recherche en robotique. De nos jours, les machines utilisées dans ces applications industrielles dépendent encore en grande partie de la planification et du contrôle manuel des opérateurs humains pour fonctionner. Les opérations d'exploitation forestière sont généralement menées sur un terrain accidenté et souvent sur des pentes raides, créant ainsi un risque de basculement pour les machines. Dans le domaine de la robotique, une grande partie des efforts de recherche vise à rendre les robots plus intelligents dans les laboratoires et les environnements quotidiens, de sorte que les solutions qui tiennent compte des environnements rugueux et non structurés sont moins courantes. Par conséquent, les résultats existants qui abordent le problème d'évitement du basculement sont encore plus rares. Le principal objectif de cette thèse est de fournir une solution de planification de trajectoire et de génération de trajectoire pour un environnement extérieur rugueux. Plus précisément, l'accent est mis sur la planification de mouvement autonome sans basculement sur un terrain accidenté pour les plates-formes de manipulation mobiles. Cette thèse se concentre sur deux composantes de recherche majeures pour fournir la solution.La première composante majeure est le développement d'une planification de chemin et de trajectoire locale rapide et optimale en temps pour les manipulateurs mobiles afin d'éviter le basculement. Pour quantifier la proximité du basculement, la mesure de stabilité dynamique du Point de Moment Zéro (PMZ) est utilisée comme contrainte pour la planification de mouvement sans basculement. Les méthodologies de planification de mouvement populaires et leurs avantages et inconvénients sont discutés avant l'introduction d'un cadre hiérarchique qui divise un problème de planification en une étape de planification de chemin basée sur l'échantillonnage et une étape de planification de trajectoire basée sur l'optimisation. Le cadre hiérarchique permet à un planificateur de tirer parti de différentes méthodes de planification à différentes étapes et ses avantages sont démontrés par des simulations. Le cadre de planification de trajectoire hiérarchique dynamiquement stable est ensuite présenté et étayé par des garanties de faisabilité finie formelles et des résultats de simulation. La composante de planification de reconfiguration du cadre proposé est expérimentalement démontrée avec un bras Jaco 2 monté sur une plate-forme libre. En raison de la structure hiérarchique, la qualité du plan de trajectoire dépend largement du plan de chemin initial. Par conséquent, cette thèse présente également la technique de lissage de chemin développée pour une génération de trajectoire efficace.Le deuxième composant majeur présenté dans cette thèse vise à accroître la robustesse du cadre proposé de planification de mouvement sans basculement aux incertitudes en utilisant une formulation contrainte par chance. Spécifiquement pour les opérations sujettes aux basculements, les sources importantes d'incertitude incluent l'inclinaison du terrain et la masse de la charge utile. Bien que les cartes topographiques du terrain puissent être obtenues avant les opérations autonomes, il est presque impossible de mesurer avec précision la surface du terrain en détail et de prédire l'attitude d'un manipulateur mobile dans des environnements difficiles où le sol meuble, les roches et les conditions météorologiques extrêmes peuvent modifier considérablement l'inclinaison du terrain. Pour accommoder l'effet sur le ZMP causé par l'incertitude de l'attitude du véhicule qui résulte de l'incertitude de la carte topographique, un modèle d'incertitude est proposé pour ..

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.016
Threshold uncertainty score0.032

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.021
GPT teacher head0.279
Teacher spread0.258 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicSoil Mechanics and Vehicle DynamicsFrench-language works237,207