論文の概要: Field Assessment of Force Torque Sensors for Planetary Rover Navigation

• arxiv url: http://arxiv.org/abs/2411.04700v1
• Date: Thu, 07 Nov 2024 13:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:37:13.101766
• Title: Field Assessment of Force Torque Sensors for Planetary Rover Navigation
• Title（参考訳）: 惑星ローバーナビゲーションのための力トルクセンサのフィールドアセスメント
• Authors: Levin Gerdes, Carlos Pérez del Pulgar, Raúl Castilla Arquillo, Martin Azkarate,
• Abstract要約: 惑星探査機の受動的センサーは、状態推定と地形の理解と移動性能に役立っている。 力トルクセンサーは、相互作用力を直接測定する能力があるにもかかわらず、惑星航法のためには探索されていない。 本稿では,6輪ローバーから収集したデータに基づいて,力トルクセンサの性能評価と使用事例について述べる。
• 参考スコア（独自算出の注目度）: 1.2524536193679123
• License:
• Abstract: Proprioceptive sensors on planetary rovers serve for state estimation and for understanding terrain and locomotion performance. While inertial measurement units (IMUs) are widely used to this effect, force-torque sensors are less explored for planetary navigation despite their potential to directly measure interaction forces and provide insights into traction performance. This paper presents an evaluation of the performance and use cases of force-torque sensors based on data collected from a six-wheeled rover during tests over varying terrains, speeds, and slopes. We discuss challenges, such as sensor signal reliability and terrain response accuracy, and identify opportunities regarding the use of these sensors. The data is openly accessible and includes force-torque measurements from each of the six-wheel assemblies as well as IMU data from within the rover chassis. This paper aims to inform the design of future studies and rover upgrades, particularly in sensor integration and control algorithms, to improve navigation capabilities.
• Abstract（参考訳）: 惑星探査機の受動的センサーは、状態推定と地形の理解と移動性能に役立っている。 慣性測定ユニット(IMU)は、この効果に広く用いられているが、力トルクセンサーは、相互作用力を直接測定し、トラクション性能に関する洞察を与える可能性にもかかわらず、惑星の航法において探索されていない。 本稿では,6輪ローバーから収集したデータをもとに,様々な地形,速度,斜面における力トルクセンサの性能評価と使用事例について述べる。 センサ信号の信頼性や地形応答の精度といった課題について論じ,これらのセンサの使用機会を明らかにする。 データはオープンアクセス可能で、各6輪組立体の力トルク測定と、ローバーシャシー内のIMUデータを含む。 本稿では,将来の研究やローバーのアップグレード,特にセンサ統合と制御アルゴリズムの設計を通知し,ナビゲーション機能を改善することを目的とする。

関連論文リスト

• 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)
• Cognitive TransFuser: Semantics-guided Transformer-based Sensor Fusion for Improved Waypoint Prediction [38.971222477695214]
  RGB-LIDARベースのマルチタスク機能融合ネットワークであるCognitive TransFuserは、安全で完全な道路ナビゲーションのために、ベースラインネットワークを大幅に拡張し、超える。 提案したネットワークをCown05 Short と Town05 Long Benchmarkで広範囲な実験により検証し,44.2 FPSのリアルタイム推論時間を実現した。
  論文  参考訳（メタデータ） (2023-08-04T03:59:10Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Framework for Quality Evaluation of Smart Roadside Infrastructure Sensors for Automated Driving Applications [2.0502751783060003]
  本稿では,スマート道路インフラストラクチャセンサの詳細な品質評価を行うための新しい手法を提案する。 DAIR-V2Xデータセットで評価し,様々なセンサタイプにまたがるマルチモーダルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-16T10:21:07Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Radar Voxel Fusion for 3D Object Detection [0.0]
  本稿では,3次元物体検出のための低レベルセンサ融合ネットワークを開発する。 レーダーセンサーの融合は、雨や夜景のような裂け目状態において特に有益である。
  論文  参考訳（メタデータ） (2021-06-26T20:34:12Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• On the Role of Sensor Fusion for Object Detection in Future Vehicular Networks [25.838878314196375]
  異なるセンサの組み合わせが車両の移動・運転環境の検出にどのように影響するかを評価します。 最終的な目標は、チャネルに分散するデータの量を最小限に抑える最適な設定を特定することです。
  論文  参考訳（メタデータ） (2021-04-23T18:58:37Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• High-Precision Digital Traffic Recording with Multi-LiDAR Infrastructure Sensor Setups [0.0]
  融解したLiDAR点雲と単一LiDAR点雲との差について検討した。 抽出した軌道の評価は, 融合インフラストラクチャーアプローチが追跡結果を著しく増加させ, 数cm以内の精度に達することを示す。
  論文  参考訳（メタデータ） (2020-06-22T10:57:52Z)

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。