面向仿真紧凑型履带式土工机的现场土壤属性估计与贝叶斯制图

现有的土方机械自动化系统主要局限于受严格控制且环境较为明确的场景，由于车辆-土地相互作用动力学的复杂性以及由于土壤条件未知且空间分布变化导致的地形部分可观测性。为此，本文提出一种土壤属性制图系统，以扩展环境状态，克服上述限制，促进更稳健的土方机械自动化发展。该系统在GPU加速的地形高程映射系统基础上，扩展了包含盲测制图组件，以跟踪刀板通过地形的运动，以实现对被扰动和未扰动土壤的独立跟踪。每次相互作用均被近似为在局部均匀土壤中移动的平坦刀板，从而可使用土方机基本方程（FEE）建模切割力。基于我们先前的现场土壤属性估计工作，一种方法被设计用于从不规则地形中提取模型的近似几何参数，并开发了一种改进的物理信息神经网络（PINN）模型，用于预测土壤属性及其估计不确定性。使用紧凑型履带式土工机（CTL）带刀具附件的仿真用于收集训练PINN模型所需的数据。训练后，该模型被用于映射系统在线跟踪土壤属性估计，作为地图中的独立图层进行更新，采用贝叶斯方式进行。初始实验表明，该系统准确地标识出需要更高相对相互作用力的区域，表明该方法在实现土壤感知规划的自主地形整形方面具有潜力。