文献

J-GLOBAL ID：202102231073035329   整理番号：21A0671157

自律ロボット産業掘削機のためのエキスパート-エミュレーション掘削軌道計画【JST・京大機械翻訳】

Expert-Emulating Excavation Trajectory Planning for Autonomous Robotic Industrial Excavator

著者 (4件)： Son Bukun (Seoul National University,Department of Mechanical & Aerospace Engineering and IAMD,Seoul,South Korea) ,  Kim ChangU (Seoul National University,Department of Mechanical & Aerospace Engineering and IAMD,Seoul,South Korea) ,  Kim Changmuk (Seoul National University,Department of Mechanical & Aerospace Engineering and IAMD,Seoul,South Korea) ,  Lee Dongjun (Seoul National University,Department of Mechanical & Aerospace Engineering and IAMD,Seoul,South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 2656-2662  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 著者らは,産業自律ロボット掘削機のための新しい掘削(すなわち,掘削)軌道計画フレームワークを提案し,それは,(複合/非モデル化可能)土壌の掘削を最適化するために,人間エキスパートオペレータの戦略をエミュレートし,また,実際にロバスト性と安全性を保っている。最初に,動的動きプリミティブ(DMP)を用いて軌道を符号化し,それは,軌道の定性的形状および(変数)エンドポイント(すなわち,スイング/ダンピングの開始点)にロバストに保存することが知られているが,また,その構造によるデータ効率的であり,従って,エキスパートデータ収集が高価である。さらに,このDMPベース軌道を,ニューラルネットワーク(すなわちMLP(多層パーセプトロン))を介して,実際のエキスパート掘削データからのDMP動力学の成形力を学習することにより,エキスパートエミュレーションである。(おそらく危険な)地下不確実性(例えば,パイプ,岩石)に対処するために,著者らは,また,そのオンライン推定のフィードバックを用いて,掘削力の過度のビルドアップを防止するために,エキスパートエミュレーション(名目)軌道をリアルタイムに調整する。次に,提案したフレームワークを,関連するデータとともに,工業規模の自律ロボット掘削機を用いて検証/実証する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *掘削機 ,  ニューラルネットワーク ,  岩石 ,  *エミュレーション ,  掘削力 ,  データ収集 ,  ロバスト性 ,  多層パーセプトロン ,  *自律ロボット
準シソーラス用語： *軌道計画 ,  実時間 ,  オンライン , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 自律 ,  ロボット産業 ,  掘削機 ,  エキスパート ,  エミュレーション ,  掘削 ,  軌道計画