Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé de la communication
L'identification robuste des types de surfaces (asphalte ou gravier, par exemple) représente l'un des nombreux défis présentés à la robotique mobile autonome. Cette identification permettrait d'améliorer la robustesse de la localisation du véhicule à partir d'une carte pré-existante. Pour un robot à pattes, elle permettrait de sélectionner la démarche la plus appropriée au type de sol présent. Notre projet de recherche vise à minimiser l'intervention humaine dans ce processus d'apprentissage des surfaces, afin de permettre au robot d'effectuer son apprentissage de manière autonome. Nos recherches s'axent autour de deux directions principales: -Le développement de nouveaux algorithmes facilitant l'apprentissage automatique (''clustering'') pour des signaux présentant une cohérence temporelle. -Le développement de nouveaux capteurs tactiles. Des essais concluants ont été effectués sur deux plate-formes robotiques différentes. Dans un premier temps, un robot amphibie à six pattes (figure 1) fut utilisé pour collecter des données à l'aide de ses capteurs internes (accéléromètres, gyroscopes, etc.) sur cinq types de terrains différents. Le résultat de la classification ''sans supervision'' est présenté sur la figure 3. Dans un second temps, un robot iCreate(TM) (figure 2), équipé d'un capteur tactile à vibrations, fut utilisé pour démontrer un cycle complet d'apprentissage entièrement autonome: capture de données, apprentissage, puis reconnaissance de la surface.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.