Physical Reservoir Computing in Hook-Shaped Rover Wheel Spokes for Real-Time Terrain Identification

要約

未知の環境での効果的な地形検出は、安全で効率的なロボットナビゲーションに不可欠です。
従来の方法は、多くの場合、計算集中的なデータ処理に依存しており、搭載能力の広範な容量を必要とし、ローバーのリアルタイムパフォーマンスを制限します。
この研究では、リアルタイムの地形識別のためにローバーホイールスポークに埋め込まれた、物理的な貯水池コンピューティングとピエゾ電気センサーを組み合わせた新しいアプローチを提示します。
ホイールのダイナミクスを活用することにより、地形誘発性の振動は、機械学習ベースの分類のために高次元の特徴に変換されます。
実験結果は、ホイールスポークに3つのセンサーを戦略的に配置すると、90 $ \％$分類の精度が達成され、提案された方法の精度と実現可能性が示されることが示されています。
また、実験結果は、システムが既知の地形を効果的に区別し、学習したカテゴリとの類似性を分析することにより、未知の地形を特定できることを示しました。
この方法は、非構造化された環境でのリアルタイムの地形分類と粗さの推定のための堅牢で低電力フレームワークを提供し、ローバーの自律性と適応性を高めます。

要約(オリジナル)

Effective terrain detection in unknown environments is crucial for safe and efficient robotic navigation. Traditional methods often rely on computationally intensive data processing, requiring extensive onboard computational capacity and limiting real-time performance for rovers. This study presents a novel approach that combines physical reservoir computing with piezoelectric sensors embedded in rover wheel spokes for real-time terrain identification. By leveraging wheel dynamics, terrain-induced vibrations are transformed into high-dimensional features for machine learning-based classification. Experimental results show that strategically placing three sensors on the wheel spokes achieves 90$\%$ classification accuracy, which demonstrates the accuracy and feasibility of the proposed method. The experiment results also showed that the system can effectively distinguish known terrains and identify unknown terrains by analyzing their similarity to learned categories. This method provides a robust, low-power framework for real-time terrain classification and roughness estimation in unstructured environments, enhancing rover autonomy and adaptability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google