Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Generation of Search Behavior by a Modification of Q-MDP Value Method Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Enhanced Stochastic Mobility Prediction on Unstructured Terrain Using Multi-output Gaussian Processes

verfasst von : Sin Ting Lui, Thierry Peynot, Robert Fitch, Salah Sukkarieh

Erschienen in: Intelligent Autonomous Systems 13

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Outdoor robots such as planetary rovers must be able to navigate safely and reliably in order to successfully perform missions in remote or hostile environments. Mobility prediction is critical to achieving this goal due to the inherent control uncertainty faced by robots traversing natural terrain. We propose a novel algorithm for stochastic mobility prediction based on multi-output Gaussian process regression. Our algorithm considers the correlation between heading and distance uncertainty and provides a predictive model that can easily be exploited by motion planning algorithms. We evaluate our method experimentally and report results from over 30 trials in a Mars-analogue environment that demonstrate the effectiveness of our method and illustrate the importance of mobility prediction in navigating challenging terrain.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Autonomous Determination of Locations for Observing Home Environment Using a Mobile Robot
Nächstes Kapitel Multi-modal Sensors Path Merging
Literatur
1.
2.
McAllister, R., Peynot, T., Fitch, R., Sukkarieh, S.: Motion planning and stochastic control with experimental validation on a planetary rover. In: Proc. of IEEE/RSJ IROS. (2012)
3.
Peynot, T., Lui, S.T., McAllister, R., Fitch, R., Sukkarieh, S.: Learned stochastic mobility prediction for planning with control uncertainty on unstructured terrain. Journal of Field Robotics (2014) In press.
4.
Ishigami, G., Kewlani, G., Iagnemma, K.: Statistical mobility prediction for planetary surface exploration rovers in uncertain terrain. In: Proc. of IEEE ICRA. (2010)
5.
Krebs, A., Pradalier, C., Siegwart, R.: Adaptive rover behavior based on online empirical evaluation: Rover-terrain interaction and near-to-far learning. Journal of Field Robotics 27(2) (2010) 158–180
6.
Brooks, C.A., Iagnemma, K.: Self-supervised terrain classification for planetary surface exploration rovers. Journal of Field Robotics 29(3) (2012) 445–468CrossRef
7.
Papadakis, P.: Terrain traversability analysis methods for unmanned ground vehicles: A survey. Engineering Applications of Artificial Intelligence 26(4) (2013) 1373–1385MathSciNetCrossRef
8.
Goldberg, S.B., Maimone, M.W., Matthies, L.: Stereo vision and rover navigation software for planetary exploration. In: Proc. of IEEE Aerospace Conference. (2002)
9.
Helmick, D.M., Cheng, Y., Clouse, D.S., Matthies, L.H., Roumeliotis, S.I.: Path following using visual odometry for a mars rover in high-slip environments. In: Proc. of IEEE Aerospace Conference. (2004)
10.
Chhaniyara, S., Brunskill, C., Yeomans, B., Matthews, M., Saaj, C., Ransom, S., Richter, L.: Terrain trafficability analysis and soil mechanical property identification for planetary rovers: A survey. Journal of Terramechanics 49(2) (2012) 115–128CrossRef
11.
Iagnemma, K., Kang, S., Shibly, H., Dubowsky, S.: Online terrain parameter estimation for wheeled mobile robots with application to planetary rovers. IEEE Transactions on Robotics 20(5) (2004) 921–927CrossRef
12.
Helmick, D., Angelova, A., Matthies, L.: Terrain adaptive navigation for planetary rovers. Journal of Field Robotics 26(4) (2009) 391–410CrossRef
13.
Karumanchi, S., Iagnemma, K.: Reactive control in environments with hard and soft hazards. In: Proc. of IEEE/RSJ IROS. (2012)
14.
Rasmussen, C.E., Williams, C.: Gaussian Processes for Machine Learning. MIT Press (2006)
15.
Boyle, P., Frean, M.: Dependent gaussian processes. In Saul, L., Weiss, Y., Bouttou, L., eds.: Advances in Neural Information Processing Systems (NIPS). Volume 17. MIT Press (2005)
16.
Bonilla, E., Chai, K.M., Williams, C.: Multi-task gaussian process prediction. In Platt, J., Koller, D., Singer, Y., Roweis, S., eds.: Advances in Neural Information Processing Systems (NIPS). Volume 20. MIT Press (2008)
17.
Alvarez, M.A., Lawrence, N.D.: Sparse convolved gaussian processes for multi-output regression. In Koller, D., Schuurmans, D., Bengio, Y., Bottou, L., eds.: Advances in Neural Information Processing Systems (NIPS). Volume 21. MIT Press, Cambridge, MA (2009) 57–64
18.
LaValle, S.: Planning Algorithms. Cambridge University Press (2006)
19.
Tarokh, M., McDermott, G.J.: Kinematics modeling and analyses of articulated rovers. IEEE Transactions on Robotics 21(4) (2005) 539–553CrossRef
20.
Moore, D.S., McCabe, G.P.: Introduction to the Practice of Statistics. 2nd edn. Freeman and co., New York (1993)
Metadaten
Titel
Enhanced Stochastic Mobility Prediction on Unstructured Terrain Using Multi-output Gaussian Processes
verfasst von
Sin Ting Lui
Thierry Peynot
Robert Fitch
Salah Sukkarieh
Copyright-Jahr
2016
Buch
Intelligent Autonomous Systems 13

Print ISBN: 978-3-319-08337-7

Electronic ISBN: 978-3-319-08338-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-08338-4_14