Submitted 17 September, 2024; originally announced September 2024. , Comments: Submitted to Robotics and Autonomous Systems. arXiv admin note: substantial text overlap with arXiv:2307.09206
توضیحات به فارسی
ارسال شده 17 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: ارسال شده به روباتیک و سیستم های خودمختار.Arxiv Admin توجه: متن قابل توجهی با ARXIV همپوشانی دارد: 2307.09206
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Mobile robots should be capable of planning cost-efficient paths for autonomous navigation. Typically, the terrain and robot properties are subject to variations. For instance, properties of the terrain such as friction may vary across different locations. Also, properties of the robot may change such as payloads or wear and tear, e.g., causing changing actuator gains or joint friction. Autonomous navigation approaches should thus be able to adapt to such variations. In this article, we propose a novel approach for learning a probabilistic, terrain- and robot-aware forward dynamics model (TRADYN) which can adapt to such variations and demonstrate its use for navigation. Our learning approach extends recent advances in meta-learning forward dynamics models based on Neural Processes for mobile robot navigation. We evaluate our method in simulation for 2D navigation of a robot with uni-cycle dynamics with varying properties on terrain with spatially varying friction coefficients. In our experiments, we demonstrate that TRADYN has lower prediction error over long time horizons than model ablations which do not adapt to robot or terrain variations. We also evaluate our model for navigation planning in a model-predictive control framework and under various sources of noise. We demonstrate that our approach yields improved performance in planning control-efficient paths by taking robot and terrain properties into account.
چکیده به فارسی (ترجمه ماشینی)
روبات های تلفن همراه باید قادر به برنامه ریزی مسیرهای مقرون به صرفه برای ناوبری خودمختار باشند.به طور معمول ، خاصیت زمین و ربات در معرض تغییرات قرار دارند.به عنوان مثال ، خواص زمین مانند اصطکاک ممکن است در مکانهای مختلف متفاوت باشد.همچنین ، خواص ربات ممکن است مانند بارهای یا سایش و پارگی تغییر کند ، به عنوان مثال ، باعث تغییر در سود محرک یا اصطکاک مشترک می شود.بنابراین رویکردهای ناوبری خودمختار باید بتوانند با چنین تغییراتی سازگار شوند.در این مقاله ، ما یک رویکرد جدید برای یادگیری یک مدل دینامیک احتمالی ، زمین و ربات-آگاه از پیش رو (Tradyn) ارائه می دهیم که می تواند با چنین تغییراتی سازگار شود و استفاده از آن را برای ناوبری نشان دهد.رویکرد یادگیری ما پیشرفت های اخیر در مدل های دینامیک فراتر از یادگیری متا را بر اساس فرآیندهای عصبی برای ناوبری ربات موبایل گسترش می دهد.ما روش خود را در شبیه سازی برای ناوبری 2D یک ربات با پویایی یک چرخه با خصوصیات مختلف در زمین با ضرایب اصطکاک مکانی متفاوت ارزیابی می کنیم.در آزمایشات ما ، ما نشان می دهیم که Tradyn خطای پیش بینی کمتری نسبت به افق های طولانی مدت نسبت به فرسایش مدل دارد که با تغییرات ربات یا زمین سازگار نیست.ما همچنین مدل خود را برای برنامه ریزی ناوبری در یک چارچوب کنترل پیش بینی مدل و تحت منابع مختلف سر و صدا ارزیابی می کنیم.ما نشان می دهیم که رویکرد ما با در نظر گرفتن ویژگی های ربات و زمین ، عملکرد خود را در برنامه های کنترل و کارآمد با برنامه ریزی بهبود می بخشد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
