灵感来自于蛇的移动机器人定位与混合学习
Aviad Etzion1, Nadav Cohen2, Orzion Levi2
1The Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa, Haifa, Israel. aetzio06@campus.haifa.ac.il.
Scientific reports
|May 4, 2025
概括
移动机器人经常在导航过程中漂流,因为它们只依赖惯性传感器. 我们的MoRPINet框架使用神经网络来减少这种漂移,将定位精度提高33%.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 传感器融合式传感器
背景情况:
- 移动机器人利用各种传感器进行导航,但在现实世界中,它们通常只依赖惯性传感器.
- 惯性传感器读数容易产生噪音和错误,导致导航解决方案随着时间的推移而发生重大漂移.
- 这种偏移阻碍了在运输和搜救等应用中成功完成任务.
研究的目的:
- 提出一个新的框架,MoRPINet,以减轻移动机器人的导航解决方案漂移.
- 利用神经网络来准确回归移动机器人的行驶距离.
- 通过解决固有的传感器局限性来提高纯惯性导航性能.
主要方法:
- 开发了MoRPINet框架,一种基于神经网络的方法来估计行驶距离.
- 需要移动机器人执行像蛇一样的滑动动作,以诱导非线性行为以改善学习.
- 收集了290分钟的实地实验惯性记录数据集.
主要成果:
- 摩尔皮内特在定位准确度方面取得了显著的改善.
- 与纯惯性导航的现有最先进方法相比,定位误差减少了33%.
- 使用大量现实世界的实验数据验证了框架的有效性.
结论:
- 拟议的MoRPINet框架有效地减少移动机器人的惯性导航漂移.
- 神经网络对行驶距离的回归,结合特定的机动,为增强自主导航提供了一个有希望的解决方案.
- MoRPINet代表了纯惰性导航技术的重大进步.
