Effiziente Modellidentifikation und MPC-basierte Navigation von Quadcoptern: Eine Fallstudie des Parrot Bebop 2
Dieses Papier präsentiert ein systematisches Verfahren zur Identifizierung eines linearen, aber effizienten Modells zur Beschreibung der Dynamik von Quadrocoptern und entwickelt eine steady-state-bewusste Modellprädiktive Regelung (MPC), um Quadrocopter sicher und effizient zu navigieren, trotz begrenzter Rechenleistung.
Frequenzbasierte Abtastung in modellprädiktiver Pfadintegralsteuerung
Die Verwendung einer frequenzbasierten Abtastverteilung in der modellprädiktiven Pfadintegralsteuerung (MPPI) ermöglicht glattere Steuersignale und eine größere Abdeckung des Zustandsraums im Vergleich zur standardmäßigen Gaußverteilung.
Sichere und effiziente Roboternavigation durch CBF-basierte Bewegungsplanung unter Berücksichtigung von STL-Spezifikationen
Eine CBF-basierte STL-Bewegungsplanungsmethodik, die es einem dynamischen System unter Berücksichtigung nichtlinearer Geschwindigkeitsbeschränkungen ermöglicht, eine Aufgabe innerhalb eines Zeitintervalls jederzeit abzuschließen, während gleichzeitig Sicherheitsgarantien hinsichtlich Hindernisausweichung gewährleistet werden.
CoBOS: Ein reaktives, constraint-basiertes Online-Scheduling-System für die Mensch-Roboter-Zusammenarbeit
CoBOS ist ein neuartiger Ansatz für ein reaktives, constraint-basiertes Online-Scheduling-System, das die Zusammenarbeit zwischen Mensch und Roboter in Montageprozessen durch dynamische Aufgabenallokation und -sequenzierung verbessert. Es ermöglicht dem Roboter, sich an unerwartete Ereignisse wie verzögerte Aufgabenabschlüsse oder Aufgabenablehnungen durch den Menschen anzupassen, um die Effizienz und Robustheit der Zusammenarbeit zu erhöhen.
Synthese zeitlich robuster Strategien für Aufgaben mit Signaltemporaler Logik unter Verwendung von Reinforcement Learning
Das Ziel dieser Arbeit ist es, Steuerungsstrategien zu synthetisieren, die zeitliche Robustheit für Aufgaben mit Signaltemporaler Logik in unbekannten, stochastischen Umgebungen aufweisen. Dazu werden zwei relevante Steuerungsziele formuliert, um die zeitliche Robustheit der synthetisierten Strategien zu erhöhen.
Zeitvariable weiche Höchstwert-Kontrollbarrieren-Funktionen für die Sicherheit in einer a priori unbekannten Umgebung
Diese Arbeit präsentiert eine zeitvariable weiche Höchstwert-Kontrollbarrieren-Funktion, die verwendet werden kann, um die Sicherheit in einer a priori unbekannten Umgebung zu gewährleisten, in der periodisch Wahrnehmungsinformationen über die sichere Menge erhalten werden.
Selbstüberwachtes Lernen für ein robustes und effizientes SLAM-System
Ein neuartiges selbstüberwachtes Lernframework für SLAM-Systeme, das eine wechselseitige Verbesserung zwischen Front-End und Back-End ermöglicht, um die Gesamtleistung des Systems zu steigern.
Ein ganzheitlicher Ansatz für automatisierte und regulierte Robotersysteme
Ein ganzheitlicher Ansatz wird vorgestellt, um Robotersysteme vollautomatisch und reguliert zu gestalten. Dazu werden Methoden zur Generierung von Expertenwissen, Übersetzung in maschinenausführbare Anweisungen und Überwachung des Betriebs kombiniert.
Energieeffiziente und schnelle Kraftsteuerung für industrielle Aufgaben mit neuromorpher Hardware
Neuromorphe Hardware kann Energie- und Latenzvorteile gegenüber herkömmlicher Computerhardware für die Kraftsteuerung in industriellen Roboteraufgaben bieten.
Drahtlose Steuerung von Unbemannten Bodenfahrzeugen unter Berücksichtigung praktischer Funkkanäle: Ein modellprädiktiver Regelungsansatz
Ein modellprädiktiver Regelungsansatz, der Paketausfall, Latenz, Prozessrauschen und Messrauschen in drahtlosen Netzwerksystemen berücksichtigt, um eine zuverlässige Steuerung von Unbemannten Bodenfahrzeugen zu ermöglichen.
© 2024 by Linnk AI