論文の概要: Towards Agrobots: Trajectory Control of an Autonomous Tractor Using Type-2 Fuzzy Logic Controllers

• arxiv url: http://arxiv.org/abs/2104.04123v1
• Date: Fri, 9 Apr 2021 00:46:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-04-12 20:36:22.128446
• Title: Towards Agrobots: Trajectory Control of an Autonomous Tractor Using Type-2 Fuzzy Logic Controllers
• Title（参考訳）: アグロボットに向けて:タイプ2ファジィ論理制御を用いた自律トラクタの軌道制御
• Abstract要約: 本研究では,トラクタの縦方向速度を制御するために比例積分導出制御器を用いる。 yaw角ダイナミクスの制御には、比例導出制御器がタイプ2ファジィニューラルネットワークと並行して動作する。 測定したフィードバックエラーからインタラクションをオンラインで学習する制御アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 12.015055060690742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Provision of some autonomous functions to an agricultural vehicle would lighten the job of the operator but in doing so, the accuracy should not be lost to still obtain an optimal yield. Autonomous navigation of an agricultural vehicle involves the control of different dynamic subsystems, such as the yaw angle dynamics and the longitudinal speed dynamics. In this study, a proportional-integral-derivative controller is used to control the longitudinal velocity of the tractor. For the control of the yaw angle dynamics, a proportional-derivative controller works in parallel with a type-2 fuzzy neural network. In such an arrangement, the former ensures the stability of the related subsystem, while the latter learns the system dynamics and becomes the leading controller. In this way, instead of modeling the interactions between the subsystems prior to the design of model-based control, we develop a control algorithm which learns the interactions online from the measured feedback error. In addition to the control of the stated subsystems, a kinematic controller is needed to correct the errors in both the x- and the y- axis for the trajectory tracking problem of the tractor. To demonstrate the real-time abilities of the proposed control scheme, an autonomous tractor is equipped with the use of reasonably priced sensors and actuators. Experimental results show the efficacy and efficiency of the proposed learning algorithm.
• Abstract（参考訳）: 農業用車両にいくつかの自律的な機能を設けると、オペレーターの仕事が軽くなるが、その場合、最適な収量を得るために正確さを失うべきではない。 農業車両の自律航法には、ヨー角力学や縦速度力学など、様々な動的サブシステムの制御が含まれる。 本研究では、トラクタの長手速度を制御するために比例積分微分制御器を用いる。 yaw角ダイナミクスの制御には、比例導出制御器がタイプ2ファジィニューラルネットワークと並行して動作する。 このような配置では、前者は関連するサブシステムの安定性を保証し、後者はシステムのダイナミクスを学習し、先頭のコントローラとなる。 このように,モデルベース制御の設計に先立ってサブシステム間のインタラクションをモデル化する代わりに,測定したフィードバックエラーからインタラクションをオンラインで学習する制御アルゴリズムを開発した。 規定されたサブシステムの制御に加えて、トラクタの軌道追従問題に対するx軸とy軸の誤差を修正するためにキネマティックコントローラが必要である。 提案方式のリアルタイム性を示すため,自律トラクタには,合理的な価格のセンサとアクチュエータが組み込まれている。 実験の結果,提案アルゴリズムの有効性と有効性を示した。

関連論文リスト

• A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
  車両の直接遠隔操作は重要な技術的ボトルネックに直面している。 通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。 本稿では,一方的な遠隔操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-11T01:51:08Z)
• End-to-end Conditional Diffusion for Realistic and Controllable Visual Traffic Scenario Generation [59.188006170485046]
  E2E-CDiffは、制御可能で現実的なシナリオ生成のためのエンドツーエンドの条件拡散フレームワークである。 微分可能な誘導は速度を規制し、乾燥可能な領域のコンプライアンスを強制し、衝突回避や衝突回避行動をサポートする。 E2E-CDiffは、学習ベースのエゴプランナーとしても競争力がある。
  論文  参考訳（メタデータ） (2026-07-21T02:13:25Z)
• QuadRocket: An Aerial Robotic Testbed for Adaptive Thrust-Vector Control of Rocket-Like Vehicles [0.8633013637160062]
  QuadRocketは低コストで低リスクのプラットフォームで、打上げ車型システムの推力ベクトル制御戦略を検証する。 原型は、四角柱の上部に普遍的な関節を通して取り付けられた円筒状の本体で構成され、非無視慣性を持つ飛行逆振子を形成する。 制御設計は、その縦軸に沿って印加されたベクトル力によって駆動される単一の軸対称剛体としてモデル化される。
  論文  参考訳（メタデータ） (2026-07-02T17:43:09Z)
• Driver-WM: A Driver-Centric Traffic-Conditioned Latent World Model for In-Cabin Dynamics Rollout [55.19244743715421]
  Driver-WMは、ドライバー中心の潜在世界モデルで、アウトキャビンのトラフィックコンテキストを考慮に入れたインキャビンのダイナミクスをロールアウトする。 身体のキネマティクス予測を補助的な行動的・感情的意味認識と統合する。 ドライバ-WMは、反応性の高いハイモーション操作のための堅牢な長距離幾何学的予測を与える。
  論文  参考訳（メタデータ） (2026-05-06T16:30:48Z)
• What Drives Representation Steering? A Mechanistic Case Study on Steering Refusal [53.189667624047416]
  異なるステアリング手法が同一層に印加した場合に機能的に交換可能な回路を利用することを示す。 その結果,操舵ベクトルは最大90～99%のスペーサー化が可能であり,ほとんどの性能は維持できることがわかった。
  論文  参考訳（メタデータ） (2026-04-09T17:57:14Z)
• Dynamic Control Allocation for Dual-Tilt UAV Platforms [0.6999740786886536]
  本稿では,ヘキサロタUAVプラットフォームにおける動的制御アロケーションに着目した。 プラットフォームは二重タイルであり、飛行中に2軸に沿って各プロペラを独立に傾けることができる。 本稿では、トラッキングタスクに必要なレンチを生成する高レベルコントローラと、アクチュエータがそのようなレンチを生成することを保証する制御割り当て法とからなる階層型制御構造を提案する。
  論文  参考訳（メタデータ） (2026-04-07T10:27:47Z)
• Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
  そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。 アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。 6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-02T22:31:12Z)
• Control of a Twin Rotor using Twin Delayed Deep Deterministic Policy Gradient (TD3) [0.0]
  本稿では,Twin Rotor Aerodynamic System (TRAS) の安定化のための強化学習フレームワークを提案する。 TRASの複雑な力学と非線形特性は、従来の制御アルゴリズムによる制御を困難にしている。 実世界の応用における制御器の有効性を確認するため,実験室で実験を行った。
  論文  参考訳（メタデータ） (2025-12-15T14:10:04Z)
• Modelling, Positioning, and Deep Reinforcement Learning Path Tracking Control of Scaled Robotic Vehicles: Design and Experimental Validation [3.807917169053206]
  スケールされたロボットカーは通常、車両の状態の推定と制御に特化したタスクを含む階層的な制御機構を備えている。 本稿では, (i) フェデレートされた拡張カルマンフィルタ (FEKF) と (ii) エキスパートデモレータを用いて訓練された新しい深部強化学習 (DRL) パストラッキングコントローラを提案する。 実験により検証されたモデルは、(i)FEKFの設計を支援するために使用され、(ii)DRLに基づく経路追跡アルゴリズムをトレーニングするためのデジタルツインとして機能する。
  論文  参考訳（メタデータ） (2024-01-10T14:40:53Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• Model-free tracking control of complex dynamical trajectories with machine learning [0.2356141385409842]
  我々は,2腕ロボットマニピュレータを制御するモデルフリーの機械学習フレームワークを開発した。 様々な周期的信号とカオス的信号を用いた制御フレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-20T17:10:10Z)
• Optimal State Manipulation for a Two-Qubit System Driven by Coherent and Incoherent Controls [77.34726150561087]
  2量子ビット量子系の最適制御には状態準備が重要である。 物理的に異なる2つのコヒーレント制御を利用し、ヒルベルト・シュミット目標密度行列を最適化する。
  論文  参考訳（メタデータ） (2023-04-03T10:22:35Z)
• Designing a Robust Low-Level Agnostic Controller for a Quadrotor with Actor-Critic Reinforcement Learning [0.38073142980732994]
  ソフトアクター・クリティカルに基づく低レベルウェイポイント誘導制御器の訓練段階におけるドメインランダム化を提案する。 トレーニング中の四元数力学に一定の不確実性を導入することにより、より大規模な四元数パラメータを用いて提案課題を実行することができる制御器が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-06T14:58:19Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Comparative analysis of machine learning methods for active flow control [60.53767050487434]
  遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。 この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
  論文  参考訳（メタデータ） (2022-02-23T18:11:19Z)
• Data-Efficient Deep Reinforcement Learning for Attitude Control of Fixed-Wing UAVs: Field Experiments [0.37798600249187286]
  DRLは、元の非線形力学を直接操作する固定翼UAVの姿勢制御をうまく学べることを示す。 我々は,UAVで学習したコントローラを飛行試験で展開し,最先端のArduPlane比例積分微分(PID)姿勢制御と同等の性能を示す。
  論文  参考訳（メタデータ） (2021-11-07T19:07:46Z)
• Learning Adaptive Control for SE(3) Hamiltonian Dynamics [15.26733033527393]
  本稿では, 地上, 空中, 水中などの剛体システムに対する適応的幾何制御法を開発した。 我々は、状態制御軌道データから学習したニューラル常微分方程式ネットワークを用いて、系の力学のハミルトンモデルを学ぶ。 第2段階では、エネルギーベースの観点から外乱補償を施した軌道追従制御器を設計する。
  論文  参考訳（メタデータ） (2021-09-21T05:54:28Z)
• Bidirectional Interaction between Visual and Motor Generative Models using Predictive Coding and Active Inference [68.8204255655161]
  本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。 我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
  論文  参考訳（メタデータ） (2021-04-19T09:41:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。