|
|
|
|
|
论文选题灵感:“机器人的决策与控制”研究方向 | MDPI Robotics |
|
|
期刊名:Robotics
期刊主页:https://www.mdpi.com/journal/robotics
如何在现有研究领域内,找到一个合适的论文选题?本期为您推荐专题“机器人与自主系统在不确定性条件下的决策与控制”的相关文章,提供更多论文选题灵感。
相关特刊
Decision-Making and Control under Uncertainties for Robotic and Autonomous Systems
客编: Dr. Pan Zhao, Dr. Minghui Zheng, Dr. Yu Zhang, Dr. Naira Hovakimyan
特刊链接: https://www.mdpi.com/journal/robotics/special_issues/Decision-Making
论文一:
应用于差速驱动移动机器人的两阶段非线性I/O 解耦及部分无线控制方案
https://doi.org/10.3390/robotics13020026

本文提出了一种两阶段非线性控制方案,研究了差速驱动移动机器人独立控制速度和方向角的问题。
·选题方向参考
未来研究可进一步提升差速驱动移动机器人的鲁棒性与适应性。首先,研究与延迟相关控制器的问题,以更有效地处理无线通信带来的动态延迟问题。其次,将现有控制策略扩展至携带机械臂或可变负载的移动平台。此外,有必要在半结构化和非结构化环境中验证该方法,还可将控制框架推广至具有多重传输时延的网络化协同场景,以支持多机器人系统的实际应用。最后,通过真实实验平台验证理论与仿真结果。
论文二
复杂环境中的实时多机器人任务规划
https://doi.org/10.3390/robotics13030040

本文介绍了一种并行实时算法,以解决多机器人任务规划问题。
·选题方向参考
未来研究可进一步解决执行续航和容量限制、处理动态障碍物和具有意图预测的任务、引入智能体和任务的异质性等挑战。此外,未来研究可考虑设计具有良好最优性和计算性能的分布式算法。
论文三
基于学习动态、收缩度量及干扰估计的有保障轨迹跟踪
https://doi.org/10.3390/robotics13070099

本文提出了一种基于干扰估计的收缩控制架构,该架构允许利用模型学习工具来学习不确定的动态特性,同时在特定条件下保障学习过渡期间的指数轨迹收敛性。
·选题方向参考
未来研究方向可进一步解决更广泛的不确定性问题,特别是实际系统中普遍存在的未匹配的不确定性,尽量减少估计误差界限的保守性。其次,使用其他模型学习工具来证明所提出控制框架的有效性。
论文四
用于在非结构化环境中自主地面机器人导航的连续在线语义隐式表示法
https://doi.org/10.3390/robotics13070108

本文介绍了一种名为 COSMAu-Nav 的新方法,该方法结合了语义理解、连续隐式环境表示和知情路径规划。
·选题方向参考
未来研究可从多方面拓展当前的地形分割与导航框架。首先,可在单一可通行度指标的基础上引入更多从传感器或语义分割中可计算的导航特征,如地形粗糙度、地面–机器人摩擦系数、传感器退化风险以及任务相关性,同时结合天气因素与机器人自身机动能力提升通行度评估的准确性。其次,后续可利用生成的GPR地图实现自主SLAM。此外,神经过程可作为高斯过程的替代方案,实现隐式环境建模。最后,该导航架构可推广至更广泛的应用环境,如三维场景重建,或结合不同传感器模式应用于空中或水下机器人导航。
论文五
具有实时重新规划功能的自主四旋翼飞行器控制系统设计与实现
https://doi.org/10.3390/robotics13090136

本文提出了一种具有实时重新规划能力的自主四旋翼飞行器的控制系统设计。
·选题方向参考
未来研究可从多个方向进一步增强自主四旋翼的实时重规划与避障能力。首先,应将当前仅针对静态障碍物的规划方法扩展至动态障碍物场景。其次,可探索更高效的感知–规划耦合机制,引入深度学习或多传感器融合技术,提升障碍物检测的鲁棒性与时效性。第三,可研究更轻量化或并行化的最小snap轨迹优化算法,进一步降低计算负担,支持更复杂任务。此外,可将系统拓展至户外环境,融入风扰、强光、GPS噪声等更复杂因素,验证控制结构的泛化能力。最后,提升PX4固件与伴随计算单元的协同效率,构建更通用的硬件–软件架构。
Robotics 期刊介绍
主编:Marco Ceccarelli, University of Rome Tor Vergata, Italy
旨在发表机器人及机器人系统在理论、设计和应用方面的最新发展相关文章,其中涉及到机器人智能、机电一体化、仿生机器人,特别关注机器人的自主行为、多传感器融合、学习算法、系统建模、控制软件、智能执行器、服务应用和人机交互等。
|
2024 Impact Factor
|
3.3
|
|
2024 CiteScore
|
7.7
|
|
Time to First Decision
|
23.7 Days
|
|
Acceptance to Publication
|
2.9 Days
|
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。