Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Terrain Traversal Cost Learning with Knowledge Transfer Between Multi-legged Walking Robot Gaits

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F22%3A00359487" target="_blank" >RIV/68407700:21230/22:00359487 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1109/ICARSC55462.2022.9784790" target="_blank" >https://doi.org/10.1109/ICARSC55462.2022.9784790</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICARSC55462.2022.9784790" target="_blank" >10.1109/ICARSC55462.2022.9784790</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Terrain Traversal Cost Learning with Knowledge Transfer Between Multi-legged Walking Robot Gaits

  • Popis výsledku v původním jazyce

    The terrain traversal abilities of multi-legged walking robots are affected by gaits, the walking patterns that enable adaptation to various operational environments. Fast and lowset gaits are suited to flat ground, while cautious and highset gaits enable traversing rough areas. A suitable gait can be selected using prior experience with a particular terrain type. However, experience alone is insufficient in practical setups, where the robot experiences each terrain with only one or just a few gaits and thus would infer novel gait-terrain interactions from insufficient data. Therefore, we use knowledge transfer to address unsampled gait-terrain interactions and infer the traversal cost for every gait. The proposed solution combines gaitterrain cost models using inferred gait-to-gait models projecting the robot experiences between different gaits. We implement the cost models as Gaussian Mixture regressors providing certainty to identify unknown terrains where knowledge transfer is desirable. The presented method has been verified in synthetic showcase scenarios and deployment with a real walking robot. The proposed knowledge transfer demonstrates improved cost prediction and selection of the appropriate gait for specific terrains.

  • Název v anglickém jazyce

    Terrain Traversal Cost Learning with Knowledge Transfer Between Multi-legged Walking Robot Gaits

  • Popis výsledku anglicky

    The terrain traversal abilities of multi-legged walking robots are affected by gaits, the walking patterns that enable adaptation to various operational environments. Fast and lowset gaits are suited to flat ground, while cautious and highset gaits enable traversing rough areas. A suitable gait can be selected using prior experience with a particular terrain type. However, experience alone is insufficient in practical setups, where the robot experiences each terrain with only one or just a few gaits and thus would infer novel gait-terrain interactions from insufficient data. Therefore, we use knowledge transfer to address unsampled gait-terrain interactions and infer the traversal cost for every gait. The proposed solution combines gaitterrain cost models using inferred gait-to-gait models projecting the robot experiences between different gaits. We implement the cost models as Gaussian Mixture regressors providing certainty to identify unknown terrains where knowledge transfer is desirable. The presented method has been verified in synthetic showcase scenarios and deployment with a real walking robot. The proposed knowledge transfer demonstrates improved cost prediction and selection of the appropriate gait for specific terrains.

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

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • 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

    2022 IEEE INTERNATIONAL CONFERENCE ON AUTONOMOUS ROBOT SYSTEMS AND COMPETITIONS (ICARSC)

  • ISBN

    978-1-6654-8217-2

  • ISSN

    2573-9360

  • e-ISSN

    2573-9387

  • Počet stran výsledku

    6

  • Strana od-do

    148-153

  • Název nakladatele

    Institute of Electrical and Electronics Engineers

  • Místo vydání

    New York

  • Místo konání akce

    Santa Maria da Feira

  • Datum konání akce

    29. 4. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000838705300026