Global Robot Localization Under Noise Stress Utilizing EA Methods and Semisemantic Classification of a Known Environment
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F14%3A00222506" target="_blank" >RIV/68407700:21230/14:00222506 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.tandfonline.com/doi/full/10.1080/08839514.2014.875684" target="_blank" >http://www.tandfonline.com/doi/full/10.1080/08839514.2014.875684</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1080/08839514.2014.875684" target="_blank" >10.1080/08839514.2014.875684</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Global Robot Localization Under Noise Stress Utilizing EA Methods and Semisemantic Classification of a Known Environment
Popis výsledku v původním jazyce
Global localization algorithms belong to the key research areas in the field of autonomous mobile robotics. The ability to correctly estimate the initial position after activation or to recover the global position if orientation is lost is required fromall modern autonomous systems. This article presents an algorithm for unmanned global navigation in a known environment containing noise and moving objects. Evolutionary algorithms (EA) form an important part of the discussed method. We also present a novel method of semisemantic classification of the environment in which a robot moves. This semisemantic description of the environment allows for a significantly better setup of the working parameters of individual EAs. It also enables to better connect EAs with the basic navigation methodology based on algebraic criteria, in other words, on the minimization of L1-norm. An extensive set of experimental results confirms that the connection of the semantic environment description and the na
Název v anglickém jazyce
Global Robot Localization Under Noise Stress Utilizing EA Methods and Semisemantic Classification of a Known Environment
Popis výsledku anglicky
Global localization algorithms belong to the key research areas in the field of autonomous mobile robotics. The ability to correctly estimate the initial position after activation or to recover the global position if orientation is lost is required fromall modern autonomous systems. This article presents an algorithm for unmanned global navigation in a known environment containing noise and moving objects. Evolutionary algorithms (EA) form an important part of the discussed method. We also present a novel method of semisemantic classification of the environment in which a robot moves. This semisemantic description of the environment allows for a significantly better setup of the working parameters of individual EAs. It also enables to better connect EAs with the basic navigation methodology based on algebraic criteria, in other words, on the minimization of L1-norm. An extensive set of experimental results confirms that the connection of the semantic environment description and the na
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Applied Artificial Intelligence
ISSN
0883-9514
e-ISSN
—
Svazek periodika
28
Číslo periodika v rámci svazku
4
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
58
Strana od-do
360-417
Kód UT WoS článku
000333952500003
EID výsledku v databázi Scopus
—