文献

J-GLOBAL ID：202202266704045334   整理番号：22A1181041

リジョイントと障害物融合パラダイムによる深層学習ベース完全カバレッジ経路計画【JST・京大機械翻訳】

Deep Learning-Based Complete Coverage Path Planning With Re-Joint and Obstacle Fusion Paradigm

著者 (4件)： Lei Tingjun (1Department of Electrical and Computer Engineering, Mississippi State University, Mississippi State, MS, United States) ,  Luo Chaomin (1Department of Electrical and Computer Engineering, Mississippi State University, Mississippi State, MS, United States) ,  Jan Gene Eu (2Department of Electrical Engineering, National Taipei University, and Tainan National University of the Arts, Taipei, Taiwan) ,  Bi Zhuming (3Department of Civil and Mechanical Engineering, Purdue University Fort Wayne, Fort Wayne, IN, United States)
資料名： Frontiers in Robotics and AI (Web)  (Frontiers in Robotics and AI (Web))
巻： 9  ページ： 843816  発行年： 2022年 
JST資料番号： U7099A  ISSN： 2296-9144  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 精度農業プロセス,環境探査,災害応答,および他の分野への自律性の導入で,グローバル需要の1つは,全未知環境を完全にカバーする自律車両をナビゲートすることである。しかし,以前の完全カバレッジ経路計画(CCPP)研究では,自律車両は,作業空間で操作中に同時にマッピング,障害物回避,および経路計画を考慮する必要があり,非常に複雑で計算的に高価なナビゲーションシステムをもたらす。本研究では,環境マッピング,経路生成,CCPP,および動的障害物回避から成る層によって,得られた環境情報と徐々にナビゲーション問題層を解決する階層的方法の観点から,新しいフレームワークを開発した。衛星画像に基づく第1層は,自律車両の位置を通してCCPP軌道を作り出すために,深い学習方法を利用した。第2の層では,地図における障害物融合パラダイムを無人機(UAV)搭載センサに基づいて開発した。障害物回避とCCPP再接続のために,自然発想アルゴリズムを採用した。オンボードLIDAR装置,自律車両,第3層では,移動障害物を動的に回避する。シミュレーション実験は,提案したフレームワークの有効性とロバスト性を検証した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  LIDAR ,  作業空間 ,  航法 ,  地図 ,  近似法 ,  無人機 ,  衛星利用画像 ,  発生 ,  ロバスト性 ,  *機械学習 ,  *経路探索
準シソーラス用語： 環境情報 ,  経路生成 ,  移動障害物 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習に基づく経路生成 ,  完全カバレッジ経路計画 ,  障害物近似と融合 ,  自然にヒントを得た経路計画 ,  速度ベース局所ナビゲータ ,  リジョイントパラダイム

分類 (1件)： ロボットの運動・制御  (IC04012J)

引用文献 (48件)：

• AcarE. U., ChosetH. (2002). Sensor-based Coverage of Unknown Environments: Incremental Construction of morse Decompositions. Int. J. Robotics Res. 21, 345-366. doi: 10.1177/027836402320556368
• AlzadjaliA., AlaliM. H., SivakumarA. N. V., DeogunJ. S., ScottS., SchnableJ. C., et al (2021). Maize Tassel Detection from UAV Imagery Using Deep Learning. Front. Robotics AI 8, 136. doi: 10.3389/frobt.2021.600410
• AnV., QuZ., CrosbyF., RobertsR., AnV. (2018). A Triangulation-Based Coverage Path Planning. IEEE Trans. Syst. Man, Cybernetics: Syst. 50, 2157-2169. doi: 10.3389/frobt.2021.600410
• ArkinE. M., FeketeS. P., MitchellJ. S. B. (2000). Approximation Algorithms for Lawn Mowing and milling☆☆A Preliminary Version of This Paper Was Entitled "The Lawnmower Problem" and Appears in the Proc. 5th Canad. Conf. Comput. Geom., Waterloo, Canada, 1993, Pp. 461-466. Comput. Geometry 17, 25-50. doi: 10.1016/s0925-7721(00)00015-8
• BorensteinJ., KorenY. (1991). The Vector Field Histogram-Fast Obstacle Avoidance for mobile Robots. IEEE Trans. Robot. Automat. 7, 278-288. doi: 10.1109/70.88137

タイトルに関連する用語 (6件)： 障害物 ,  融合 ,  パラダイム ,  深層学習 ,  カバレッジ ,  経路計画