論文の概要: Navigational Path-Planning For All-Terrain Autonomous Agricultural Robot
- arxiv url: http://arxiv.org/abs/2109.02015v1
- Date: Sun, 5 Sep 2021 07:29:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-08 07:13:48.412336
- Title: Navigational Path-Planning For All-Terrain Autonomous Agricultural Robot
- Title（参考訳）: 全地形自律農業ロボットのナビゲーション経路計画
- Authors: Vedant Ghodke
- Abstract要約: 本報告は農地の自律ナビゲーションのための新しいアルゴリズムの比較である。
インドの環境に特有な高解像度グリッドマップ表現について検討する。
その結果、自律的なフィールドナビゲーションとロボット経路計画の実現性にアルゴリズムが適用可能であることが証明された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The shortage of workforce and increasing cost of maintenance has forced many
farm industrialists to shift towards automated and mechanized approaches. The
key component for autonomous systems is the path planning techniques used.
Coverage path planning (CPP) algorithm is used for navigating over farmlands to
perform various agricultural operations such as seeding, ploughing, or spraying
pesticides and fertilizers. This report paper compares novel algorithms for
autonomous navigation of farmlands. For reduction of navigational constraints,
a high-resolution grid map representation is taken into consideration specific
to Indian environments. The free space is covered by distinguishing the grid
cells as covered, unexplored, partially explored and presence of an obstacle.
The performance of the compared algorithms is evaluated with metrics such as
time efficiency, space efficiency, accuracy, and robustness to changes in the
environment. Robotic Operating System (ROS), Dassault Systemes Experience
Platform (3DS Experience), MATLAB along Python were used for the simulation of
the compared algorithms. The results proved the applicability of the algorithms
for autonomous field navigation and feasibility with robotic path planning.
- Abstract（参考訳）: 労働力不足とメンテナンスコストの増大により、多くの農夫は自動化され機械化されたアプローチに移行せざるを得なくなった。
自律システムの主要なコンポーネントは、使用するパス計画技術である。
被覆経路計画 (CPP) アルゴリズムは、農耕地を航行し、種苗、プラウイング、農薬や肥料の散布など様々な農業活動を行うために用いられる。
本稿では,農地の自律ナビゲーションのための新しいアルゴリズムの比較を行う。
航法制約の低減のために、インド環境に特有な高解像度グリッドマップ表現を考慮に入れた。
自由空間は、グリッドセルを覆い、探索されず、部分的に探索し、障害物の存在を区別することでカバーされる。
比較アルゴリズムの性能は、時間効率、空間効率、精度、環境の変化に対するロバスト性などの指標を用いて評価される。
ロボットオペレーティング・システム(ROS)、ダッソー・システムズ・エクスペリエンス・プラットフォーム(3DS Experience)、PythonのMATLABが比較アルゴリズムのシミュレーションに使用された。
その結果、自律的なフィールドナビゲーションのためのアルゴリズムの適用性とロボット経路計画の実現性が確認された。
関連論文リスト
- A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
経路計画はロボット工学と自律航法における基本的な科学的問題である。
A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。
本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。
このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
論文 参考訳（メタデータ） (2024-06-20T01:24:30Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Graph-Based Multi-Robot Path Finding and Planning [3.4260993997836753]
複数のロボットの衝突のない経路を計画することは、現実のマルチロボットシステムにとって重要である。
近年の進歩により、何百ものロボットの衝突のない経路を計算できるMAPFアルゴリズムが実現されている。
論文 参考訳（メタデータ） (2022-06-22T18:47:00Z) - Systematic Comparison of Path Planning Algorithms using PathBench [55.335463666037086]
パスプランニングはモバイルロボティクスの重要な構成要素である。
学習に基づく経路計画アルゴリズムの開発は、急速な成長を遂げている。
本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
論文 参考訳（メタデータ） (2022-03-07T01:52:57Z) - A Deep Learning Driven Algorithmic Pipeline for Autonomous Navigation in
Row-Based Crops [38.4971490647654]
我々は、ローレンジセンサーと季節変動に対応するために特別に設計された、行ベースの自律ナビゲーションのための完全なアルゴリズムパイプラインを提案する。
我々は、データ駆動の堅牢な手法に基づいて、作物の完全な拡張を、フィールドの占有グリッドマップ情報のみでカバーし、自律機械の実行可能なパスを生成する。
論文 参考訳（メタデータ） (2021-12-07T16:46:17Z) - Distributed Allocation and Scheduling of Tasks with Cross-Schedule
Dependencies for Heterogeneous Multi-Robot Teams [2.294915015129229]
本稿では,異なるロボットのタスクが時間的・優先的な制約に強く結びついているミッションに対して,タスク割り当てとスケジューリングを行うアルゴリズムを提案する。
マルチロボットシステムによって維持される温室の実用ユースケースへの計画手順の適用。
論文 参考訳（メタデータ） (2021-09-07T13:44:28Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Deep Semantic Segmentation at the Edge for Autonomous Navigation in
Vineyard Rows [0.0]
精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的としている。
提案する制御は,機械認識技術とエッジAI技術の最新技術を活用して,ブドウ畑の列内における高精度で信頼性の高いナビゲーションを実現する。
制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
論文 参考訳（メタデータ） (2021-07-01T18:51:58Z) - Local Motion Planner for Autonomous Navigation in Vineyards with a RGB-D
Camera-Based Algorithm and Deep Learning Synergy [1.0312968200748118]
本研究では、ブドウ畑における自律走行のための低コストな局所移動プランナを提案する。
最初のアルゴリズムは、不均一マップとその深さ表現を利用して、ロボットプラットフォームに対する比例制御を生成する。
第2のバックアップアルゴリズムは、学習の学習に基づいており、照明の変動に耐性があり、第1ブロックが瞬間的に故障した場合にマシンを制御できる。
論文 参考訳（メタデータ） (2020-05-26T15:47:42Z)
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。