要約
移動ロボットは配送から捜索・救助まで、さまざまな分野で活用されています。
正確なナビゲーションを提供するために、さまざまな種類のセンサーがロボットに取り付けられており、タスクを正常に完了できます。
現実世界のシナリオでは、環境上の制約により、ロボットは慣性センサーのみに依存することがよくあります。
したがって、慣性読み取り値に関連するノイズやその他の誤差項により、ナビゲーション ソリューションは時間とともにドリフトします。
慣性解のドリフトを軽減するために、ロボットの移動距離を回帰するニューラル ネットワークで構成される MoRPINet フレームワークを提案します。
この目的を達成するために、非線形動作を促進するために、移動ロボットがヘビのような滑り運動をするように要求します。
MoRPINet は、フィールド実験中に 290 分間の慣性記録のデータセットを使用して評価され、純粋な慣性航法のための他の最先端の方法と比較して測位誤差が 33% 改善されたことが示されました。
要約(オリジナル)
Mobile robots are used in various fields, from deliveries to search and rescue applications. Different types of sensors are mounted on the robot to provide accurate navigation and, thus, allow successful completion of its task. In real-world scenarios, due to environmental constraints, the robot frequently relies only on its inertial sensors. Therefore, due to noises and other error terms associated with the inertial readings, the navigation solution drifts in time. To mitigate the inertial solution drift, we propose the MoRPINet framework consisting of a neural network to regress the robot’s travelled distance. To this end, we require the mobile robot to maneuver in a snake-like slithering motion to encourage nonlinear behavior. MoRPINet was evaluated using a dataset of 290 minutes of inertial recordings during field experiments and showed an improvement of 33% in the positioning error over other state-of-the-art methods for pure inertial navigation.
arxiv情報
| 著者 | Aviad Etzion,Nadav Cohen,Orzion Levy,Zeev Yampolsky,Itzik Klein |
| 発行日 | 2024-12-01 10:43:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google