基于快速区间类型-2 模糊极限学习的水下车辆路径跟随端侧声纳数据分类
机器人学
2025-06-17 v1 人工智能
机器学习
摘要
在自主水下任务中，预定义路径的成功完成主要取决于水下车辆识别其周围环境的能力。本研究将快速区间类型-2 模糊极限学习机（FIT2-FELM）的概念应用于训练一种用于端侧声纳数据分类的 Takagi-Sugeno-Kang 区间类型-2 模糊推理系统（TSK IT2-FIS），该系统应用于一种名为 BlueROV2 的水下车辆。将 TSK IT2-FIS 集成到分层导航策略（HNS）中作为主要导航引擎，以推断局部运动，使 BlueROV2 能够在 2.5m×2.5m×3.5m 的水箱中遵循无障碍轨迹实现完全自主性。与传统导航架构相比，我们观察到该方法在不确定性和噪声存在下的鲁棒路径跟随行为。我们发现，该方法为 BlueROV 提供了关于其周围环境的更完整感官信息，而实时导航规划则通过两个或多个任务的并行执行得以实现。
关键词
引用
@article{arxiv.2506.12762,
title = {On-board Sonar Data Classification for Path Following in Underwater Vehicles using Fast Interval Type-2 Fuzzy Extreme Learning Machine},
author = {Adrian Rubio-Solis and Luciano Nava-Balanzar and Tomas Salgado-Jimenez},
journal= {arXiv preprint arXiv:2506.12762},
year = {2025}
}