Enhancing 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%3A00315461" target="_blank" >RIV/68407700:21230/17:00315461 - isvavai.cz</a>

Výsledek na webu

<a href="http://ceur-ws.org/Vol-1885/65.pdf" target="_blank" >http://ceur-ws.org/Vol-1885/65.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Enhancing Neural Based Obstacle Avoidance with CPG Controlled Hexapod Walking Robot

Popis výsledku v původním jazyce

Avoiding collisions with obstacles and intercepting objects based on the visual perception is a vital survival ability of any animal. In this work, we propose an extension of the biologically based collision avoidance approach to 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) of a hexapod walking robot. The proposed extension uses Recurrent Neural Network (RNN) to map the output of the LGMD on the input of the CPG to enhance collision avoiding behavior of the robot in cluttered environments. The presented results of the experimental verification of the proposed system with a real mobile hexapod crawling robot support the feasibility of the presented approach in collision avoidance scenarios.

Název v anglickém jazyce

Enhancing Neural Based Obstacle Avoidance with CPG Controlled Hexapod Walking Robot

Popis výsledku anglicky

Avoiding collisions with obstacles and intercepting objects based on the visual perception is a vital survival ability of any animal. In this work, we propose an extension of the biologically based collision avoidance approach to 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) of a hexapod walking robot. The proposed extension uses Recurrent Neural Network (RNN) to map the output of the LGMD on the input of the CPG to enhance collision avoiding behavior of the robot in cluttered environments. The presented results of the experimental verification of the proposed system with a real mobile hexapod crawling robot support the feasibility of the presented 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 17th Conference on Information Technologies - Applications and Theory (ITAT 2017)

ISBN

—

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

6

Strana od-do

65-70

Název nakladatele

CEUR Workshop Proceedings

Místo vydání

Aachen

Místo konání akce

Martinské hole, Malá Fatra

Datum konání akce

22. 9. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—