详细内容或原文请订阅后点击阅览
研究综述：越野自主和多机器人协作
机器人研究经常从模拟转向现实世界的测试，当这种情况发生时，研究人员需要可靠的平台来进行构建。 Clearpath Robotics 机器人经常出现在学术项目中正是出于这个原因——它们坚固、灵活，并且易于与不同的传感器和软件堆栈集成。在这篇文章中，我们重点介绍了一些最近在野外发现 Clearpath 平台的研究论文，包括项目 […]研究综述：越野自主和多机器人协作首先出现在 Clearpath Robotics 上。
来源:Clearpath Robotics博客机器人研究经常从模拟转向现实世界的测试，当这种情况发生时，研究人员需要可靠的平台来进行构建。 Clearpath Robotics 机器人经常出现在学术项目中正是出于这个原因 - 它们坚固、灵活且易于与不同的传感器和软件堆栈集成。
在这篇文章中，我们重点介绍了一些最近在野外发现 Clearpath 平台的研究论文，包括使用 Warthog、Husky 和 Jackal 进行越野导航、农业自主以及在 GPS 拒绝环境中进行多机器人协作的项目。这些示例让我们快速了解研究人员如何使用这些平台在现实环境中测试新想法。
部分观测环境中自主地面机器人导航的时间采样高效自适应状态格
罗切斯特大学的研究人员提出了一种名为 ed TSEASL 的新运动规划方法，可帮助自主地面机器人在无法同时看到所有内容的环境中更顺畅地导航。对于在森林或其他越野环境中运行的机器人来说，这是一个常见的挑战 - 随着传感器收集更多数据，新的障碍不断出现。
传统的规划器通常会在每个周期重新计算路径，这可能会导致机器人在不同的路线之间快速切换并表现出不可预测的行为。 TSEASL 通过考虑新生成的路径和之前选择的路径来解决这个问题，使机器人能够适应新信息，同时尽可能坚持稳定、可靠的轨迹。
为了在现实世界中测试该方法，该团队对疣猪在茂密的森林中导航进行了实验。 使用这个平台，团队可以在具有树木和植被等自然障碍的真实地形上评估他们的规划人员，而不是仅仅依赖模拟。
在此阅读全文。
在此阅读全文。