Development of Advance Machine Learning (ML) Strategies for Enhanced Mobile Robot Control
DOI:
https://doi.org/10.48047/epjxw841Palabras clave:
Mobile Robot, Machine Learning, Reinforcement Learning, Supervised Learning, Robotic.Resumen
Recently the demand for intelligent robotic systems has been increasing in many fields, necessitating advanced machine learning (ML) strategies to make mobile robot control more effective. This study deals with building robust ML-based methods to enhance the key features of a vehicle, including but not limited to navigation, complexity avoidance, and object detection in various functional settings. The methodology presents problem definition and dataset acquisition, simulating synthetic data (from both Gazebo and Webots) and real data collected from LiDAR, camera, and IMU sensors to provide robustness and generalization. It will also require data pre-processing techniques such as Kalman filtering and feature extraction to clean the data and reduce noise before sending it to the model for training.
Descargas
Referencias
G. Fragapane, R. de Koster, F. Sgarbossa, and J. O. Strandhagen, “Planning and control of autonomous mobile robots for intralogistics: Literature review and research agenda,” Eur. J. Oper. Res., vol. 294, no. 2, pp. 405–426, Oct. 2021, doi: 10.1016/j.ejor.2021.01.019.
R. Raj and A. Kos, “A Comprehensive Study of Mobile Robot: History, Developments, Applications, and Future Research Perspectives,” Appl. Sci., vol. 12, no. 14, p. 6951, Jul. 2022, doi: 10.3390/app12146951.
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato para cualquier propósito, incluso comercialmente.
- Adaptar — remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente.
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
