Resumen

Como tipo de robot móvil de dirección por deslizamiento, el robot de orugas sufre de un deslizamiento inevitable, lo que resulta en un modelo cinemático impreciso y una degradación del rendimiento durante la navegación. En comparación con el robot tradicional, el modelo cinemático es capaz de reflejar las influencias del deslizamiento a través de la introducción de centros de rotación instantáneos (ICRs, por sus siglas en inglés). Sin embargo, los ICRs no pueden medirse directamente y son variables en el tiempo con la variación del terreno, por lo que aquí, nuestro objetivo es desarrollar un método de estimación en línea para adquirir los ICRs de un robot mediante tecnologías de fusión de datos. En primer lugar, se emplea un filtro de Kalman extendido basado en innovación (IEKF, por sus siglas en inglés) para fusionar las lecturas de dos codificadores incrementales y un sensor integrado GPS-brújula, para proporcionar una estimación en tiempo real de los ICRs. En segundo lugar, se utiliza un sistema de

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Dirección por deslizamiento; Robot de orugas; Modelo cinemático; ICRs; Tecnologías de fusión de datos; Clasificación de terreno
• Keywords:Skid-steering; Tracked robot; Kinematics model; ICRs; Data fusion technologies; Terrain classification