Core Concepts
垂直に挑戦的な地形での効率的な6-DoFキノダイナミクス学習アプローチを提案する。
Abstract
ロボットが垂直に挑戦的な地形を自律的に航行するための新しいアプローチ。
6つの自由度で車両姿勢の大きな変動を考慮し、実験結果では51.1%の予測誤差削減を示す。
TALは特定の地形に焦点を当て、リアルタイムで小型ロボットに搭載される運動計画者で効率的に使用可能。
INTRODUCTION
車輪付きロボットは2D平面環境で移動することが一般的だが、垂直に挑戦的な地形への移動能力向上が求められている。
RELATED WORK
車輪付きロボットのキノダイナミクスモデリングやオフロードナビゲーションに関する先行研究が紹介されている。
APPROACH
問題設定から始まり、データ駆動型キノダイナミクス学習方法やTAL手法が詳細に説明されている。
EXPERIMENTS
TALが現在位置や制御入力、地形情報から次の車両状態を正確に予測し、実際のテストで高い精度を示すことが確認されている。
CONCLUSIONS
TALは6つの自由度で車両姿勢を予測し、垂直に挑戦的な地形で安定かつ効率的なパスを計画するための有用性が示されている。
Stats
物理実験結果では51.1%の予測誤差削減を示す。
WMVCTプランナーと比較してTALは全てのDoFsで性能向上しており、62.5%もエラー標準偏差が低下している。