Neural based obstacle avoidance with CPG controlled hexapod walking robot

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>

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.

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)

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)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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