基于物理融合神经网络的自主土方作业原位土壤特性估计
机器人学
2023-09-07 v1
摘要
提出了一种新颖的、基于学习的方法，使用物理融合神经网络(PINN)进行土壤特性的原位估计。该网络经训练后输出土壤黏聚力、内摩擦角、土-具摩擦、土壤破坏角及残切深度的估计值，随后将其传入基于土方作业基本方程(FEE)的土方作业模型以产生估计力。网络摄入短期的运动学观测历史及过往控制命令，并以小于 2kN（实测力的 13%）的平均误差准确预测交互力。为验证该方法，使用 Vortex Studio 开发了铲刀式车辆的土方作业仿真，使得估计参数能与伪真值进行比较，而这在实际实验中具有挑战性。所提方法被证明能够实现交互力的准确估计，且即使在模型与环境物理显著偏离时也能产生有意义的参数估计。
引用
@article{arxiv.2309.02575,
title = {In Situ Soil Property Estimation for Autonomous Earthmoving Using Physics-Infused Neural Networks},
author = {W. Jacob Wagner and Ahmet Soylemezoglu and Dustin Nottage and Katherine Driggs-Campbell},
journal= {arXiv preprint arXiv:2309.02575},
year = {2023}
}
备注
10 pages, 6 figures, to be published in proceedings of 16th European-African Regional Conference of the International Society for Terrain-Vehicle Systems (ISTVS)