変形可能地形のためのニューラルネットワークベースのテラメカニクスモデリングと推定【JST・京大機械翻訳】

Dallas James; Cole Michael P.; Jayakumar Paramsothy; Ersal Tulga

プレプリント

J-GLOBAL ID：202202208169933779 整理番号：22P0119729

変形可能地形のためのニューラルネットワークベースのテラメカニクスモデリングと推定【JST・京大機械翻訳】

Neural network based terramechanics modeling and estimation for deformable terrains

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年03月03日プレプリントサーバーでの情報更新日： 2020年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,ニューラルネットワークベースのテラメカニクスモデルと地形推定器を,モデル予測制御のような最適制御応用の見通しで提示した。操作条件,計算コスト,および勾配ベース最適化のための連続微分可能性に関して最先端のテラメカニクスモデルの限界を認識して,変形可能地形に関する動的操作のためのニューラルネットワークを用いて,効率的で2倍の連続的微分可能テラメカニクスモデルを開発した。ニューラルネットワークテラメカニクスモデルは,最先端のモデルとして,土壌接触モデルと比較して,横方向のタイヤ力を正確かつ効率的に予測できることを示した。さらに,ニューラルネットワークテラメカニクスモデルを地形推定器内で実装し,このモデルを用いて,推定器は真の地形パラメータの約2%以内で収束することを示した。最後に,モデル予測制御応用により,それらの予測の自転車モデルに主に依存するが,推定地形パラメータを利用することは,自転車モデルの予測誤差を,桁桁低減できることを示した。結果は,以前に確立されたモデルと比較して,モデル予測制御における実装に固有の利点を持つ,効率的,動的,2回連続微分可能テラメカニクスモデルおよび推定子である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

ロボットの運動・制御 , 特殊自動車・特装車・特用車一般

, ,

前のページに戻る