Resumen

Ya sea que las inexactitudes de los modelos de sensores sean resultado de una modelización inicial deficiente o de daño o desviación del sensor, los efectos pueden ser igual de perjudiciales. Los errores en la modelización de sensores resultan en una estimación deficiente del estado. Esto, a su vez, puede hacer que un sistema de control que depende de las mediciones de los sensores se vuelva inestable, como en la robótica donde el sistema de control se aplica para permitir la navegación autónoma. Se ha desarrollado una técnica denominada filtro de Kalman extendido neuronal (NEKF) para proporcionar tanto la estimación del estado en un bucle de control como para aprender la diferencia entre la verdadera dinámica del sensor y el modelo del sensor. La técnica requiere múltiples sensores en el sistema de control para que los sensores que funcionan correctamente y están modelados adecuadamente puedan utilizarse como verdad. El NEKF entrena una red neuronal en línea utilizando los mismos residuos que la estimación del estado. El modelo de sensor resultante puede luego reincorporarse por completo al sistema para proporcionar la capacidad de estimación adicional y redundancia.

• Materias:Sensores táctiles Robots modulares Control robótico Teleoperación Arquitectura de red neuronal
• Subjects:Tactile sensors Modular robots Robotic control Teleoperation Neural network architecture
• Palabras claves:Modelos de sensores; Imprecisiones; Modelización inicial deficiente; Daños en los sensores; Deriva; Estimación del estado
• Keywords:Sensor models; Inaccuracies; Poor initial modeling; Sensor damage; Drift; State estimation