Neural based obstacle avoidance with CPG controlled hexapod walking robot
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F17%3A00315454" target="_blank" >RIV/68407700:21230/17:00315454 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/document/7965914/" target="_blank" >http://ieeexplore.ieee.org/document/7965914/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/IJCNN.2017.7965914" target="_blank" >10.1109/IJCNN.2017.7965914</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural based obstacle avoidance with CPG controlled hexapod walking robot
Popis výsledku v původním jazyce
In this work, we are proposing a collision avoidance system for a hexapod crawling robot based on the detection of intercepting objects using the Lobula giant movement detector (LGMD) connected directly to the locomotion control unit based on the Central pattern generator (CPG). We have designed and experimentally verified the proposed approach that maps the output of the LGMD directly on the locomotion control parameters of the CPG. The results of the experimental verification of the system with real mobile hexapod crawling robot support the feasibility of the proposed approach in collision avoidance scenarios.
Název v anglickém jazyce
Neural based obstacle avoidance with CPG controlled hexapod walking robot
Popis výsledku anglicky
In this work, we are proposing a collision avoidance system for a hexapod crawling robot based on the detection of intercepting objects using the Lobula giant movement detector (LGMD) connected directly to the locomotion control unit based on the Central pattern generator (CPG). We have designed and experimentally verified the proposed approach that maps the output of the LGMD directly on the locomotion control parameters of the CPG. The results of the experimental verification of the system with real mobile hexapod crawling robot support the feasibility of the proposed approach in collision avoidance scenarios.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GJ15-09600Y" target="_blank" >GJ15-09600Y: Adaptivní plánování v úlohách autonomního sběru dat v nestrukturovaném prostředí</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the International Joint Conference on Neural Networks
ISBN
978-1-5090-6181-5
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
650-656
Název nakladatele
IEEE Xplore
Místo vydání
—
Místo konání akce
Anchorage
Datum konání akce
14. 5. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000426968700087