කතුවරුන්:  (1) ජෝර්ජ් ෆ්‍රැන්සිස්කෝ ගාර්ෂියා-සමාර්ට්න්, ස්වයංක්‍රීයකරණය සහ රොබෝ විද්‍යාව සඳහා මධ්‍යස්ථානය (UPM-CSIC), මැඩ්රිඩ්හි පොලිටෙක්නික් විශ්ව විද්‍යාලය - විද්‍යාත්මක පර්යේෂණ සඳහා උසස් කවුන්සිලය, ජෝස් ගුටරෙස් අබාස්කල් 2, 28006 මැඩ්රිඩ්, ස්පාඤ්ඤය (jorge.gsamartin@upm.es);  (2) ඒඩ්‍රියන් රීකර්, ස්වයංක්‍රීයකරණය සහ රොබෝ විද්‍යාව සඳහා වූ මධ්‍යස්ථානය (UPM-CSIC), මැඩ්රිඩ්හි පොලිටෙක්නික් විශ්ව විද්‍යාලය - විද්‍යාත්මක පර්යේෂණ සඳහා උසස් කවුන්සිලය, ජෝස් ගුටරෙස් අබාස්කල් 2, 28006 මැඩ්රිඩ්, ස්පාඤ්ඤය;  (3) ඇන්ටෝනියෝ බැරියන්ටෝස්, ස්වයංක්‍රීයකරණය සහ රොබෝ විද්‍යාව සඳහා වූ මධ්‍යස්ථානය (UPM-CSIC), මැඩ්රිඩ්හි පොලිටෙක්නික් විශ්ව විද්‍යාලය - විද්‍යාත්මක පර්යේෂණ සඳහා උසස් කවුන්සිලය, ජෝස් ගුටරෙස් අබාස්කල් 2, 28006 මැඩ්රිඩ්, ස්පාඤ්ඤය.  සබැඳි වගුව   සාරාංශය සහ 1 හැඳින්වීම  2 අදාළ කෘති   2.1 වායුමය ක්‍රියාත්මක කිරීම   2.2 වායුමය ආයුධ   2.3 මෘදු රොබෝවරුන් පාලනය කිරීම  3 පෝල්: නිර්මාණය සහ නිෂ්පාදනය   3.1 රොබෝ නිර්මාණය   3.2 ද්‍රව්‍ය තෝරා ගැනීම   3.3 නිෂ්පාදනය   3.4 කාර්ය සාධන බැංකුව  4 දත්ත අත්පත් කර ගැනීම සහ විවෘත-ලූප් පාලනය   4.1 දෘඪාංග සැකසුම   4.2 දර්ශන ග්‍රහණ පද්ධතිය   4.3 දත්ත කට්ටල උත්පාදනය: වගු පාදක ආකෘති   4.4 විවෘත-ලූප් පාලනය  5 ප්‍රතිඵල   5.1 අවසාන PAUL අනුවාදය   5.2 වැඩබිම් විශ්ලේෂණය   5.3 වගු පාදක ආකෘතිවල කාර්ය සාධනය   5.4 නැමීමේ අත්හදා බැලීම්   5.5 බර උසුලන අත්හදා බැලීම්   6 නිගමන   අරමුදල් තොරතුරු   අ. සිදු කරන ලද අත්හදා බැලීම් සහ යොමු කිරීම්  4.3 දත්ත කට්ටල උත්පාදනය: වගු පාදක ආකෘති  රොබෝවරයාගේ සංකීර්ණත්වය නිසා, PCC හෝ කොසෙරට් රොඩ් න්‍යාය මත පදනම් වූ ආකෘති පාදක ක්‍රමවේද ඉවත දමන ලදී. FEM භාවිතය අනාගත වැඩ වලදී වසා නොදැමෙන මාර්ගයක් වුවද, නිෂ්පාදන ක්‍රියාවලිය ඉතා විචල්‍ය බැවින්, එක් එක් කොටස සඳහා පර්යේෂණාත්මකව සැකසිය යුතු පරාමිතීන් විශාල සංඛ්‍යාව (යන්ග්ගේ මොඩියුලය, අවස්ථිති මොහොත...), මෙම පළමු අදියරේදී, දත්ත එකතු කිරීම මත පදනම් වූ යම් ආකාරයක PAUL ආකෘති නිර්මාණයක් භාවිතා කිරීමට අපි තෝරා ගත්තෙමු.  පද්ධතියේ ප්‍රතිදානය අවසාන අවසානය විසින් ළඟා කර ගන්නා ලද පිහිටීම සහ දිශානතිය ලෙස ගනු ලැබේ - එබැවින්, මෙම අදියරේදී, අතරමැදි කොටස්වල සියලුම ස්ථාන නොසලකා හරිනු ලැබේ - සහ ආදානය ලෙස, එක් එක් මුත්‍රාශයේ උද්ධමන වේලාවන්. රොබෝ යන්ත්‍රය නිර්මාණය කරන අවස්ථාවේ ප්‍රමාණවත් පීඩන සංවේදක නොතිබූ බැවින්, උද්ධමන කාලය ආදාන විචල්‍යයක් ලෙස ගැනීමට තීරණය විය. පීඩන සීමා කිරීමේ කපාටය මගින් ක්‍රියාකාරී පීඩනය සීමා කර ඇති අතර එක් එක් මුත්‍රාශය තුළට ප්‍රවාහ අනුපාතය නියත යැයි උපකල්පනය කළ හැකි බැවින්, කාලය එක් එක් කුහරයට හඳුන්වා දෙන වාතයේ පරිමාවට සමාන වේ.  සලකා බලන ලද සියලුම පාලන විකල්ප සඳහා පොදුවේ ආනුභවික දත්ත විශාල ප්‍රමාණයක අවශ්‍යතාවය ඇති අතර, එමඟින් මෙම දත්ත රැස් කිරීම ක්‍රමානුකූල කිරීම සඳහා පර්යේෂණාත්මක සැලසුමක් සංවර්ධනය කිරීමේ අවශ්‍යතාවය ඇති වේ. මෙම තොරතුරු ග්‍රහණය කර ගැනීම විවිධ අවධීන් යටතේ සිදු කෙරෙන අතර දත්ත කට්ටල රොබෝවරයාගේ හැසිරීම වෛෂයික ආකාරයකින් නිරූපණය කළ යුතු බැවින්, අත්හදා බැලීම නැවත භාවිතා කිරීම විශේෂ වැදගත්කමක් ගනී.  දත්ත කට්ටලවල ගබඩා කර ඇති දත්ත රොබෝ තුඩෙහි පිහිටීම සහ මෙම වින්‍යාසය සාක්ෂාත් කර ගන්නා උද්ධමන කාල කුලකය විය. ඉහත සඳහන් කළ සීමාව, කොටසේ ඇති මුත්‍රාශ තුනෙන් දෙකක් පමණක් පුම්බා ඇති බව, අතිරික්තයන් අඩු කරයි. කලින් සඳහන් කළ පරිදි, කොටස් දෙකකට වඩා වැඩි ප්‍රමාණයක් අතිරික්තයන්ට තුඩු දෙන අතර, එයින් ගම්‍ය වන්නේ රොබෝවරයාගේ ප්‍රතිලෝම චාලක ආකෘතියට බහු විසඳුම් තිබිය හැකි බවයි.  දත්ත රැස් කිරීමේ ක්‍රියාවලියට අනුක්‍රමික පියවර කිහිපයක් ඇතුළත් වේ. මුලදී, සාම්පල ගණන තීරණය කරනු ලැබේ. සෑම නියැදියක් සඳහාම, Matlab විධානයන් එක් එක් PAUL කපාටයට අනුරූපව, උද්ධමන වාර නවයක අහඹු සංයෝජනයක් ක්‍රියාකාරී බංකුව වෙත යවයි. උපරිම කාල සීමාවක් වන Tmax ට වඩා අඩුවෙන් කාලයන් ජනනය වන අතර, එක් කොටසකට කුහර දෙකක් පමණක් පුම්බා ඇති බව සහතික කරයි. මෙයින් පසු, යවන ලද වේලාවන් මත පදනම්ව රොබෝවරයාගේ මුත්‍රාශය පිම්බෙනු ඇත. පසුව, දෘෂ්ටි පද්ධතියේ කැමරා දෙක රොබෝවරයාගේ කෙළවරේ පිහිටීම සහ දිශානතිය තීරණය කිරීම සඳහා රූප ග්‍රහණය කරයි. නිශ්චිත පුනරාවර්තන ගණන සඳහා මෙම සම්පූර්ණ ක්‍රියා පටිපාටිය නැවත නැවතත් සිදු කෙරෙන අතර, සම්පූර්ණ වූ පසු, එකතු කරන ලද දත්ත දත්ත කට්ටලයේ ගබඩා කෙරේ.  ඉදිමීමේ වේලාවන් පිළිබඳ තොරතුරු ප්‍රතිශතයක් ලෙස ගබඩා කර ඇති අතර, එම කොටසෙහි ශුන්‍ය ඉදිමීමට අනුරූප වන 0 අගයක් සහ මෙම දත්ත රැස් කිරීමේ සැසිය සඳහා අර්ථ දක්වා ඇති උපරිම මිලි තත්පර ගණන සඳහා ඉදිමීම වන Tmax අගයට අනුරූප වන 100 අගයක් ඇත. විවිධ දත්ත කට්ටල සංසන්දනය කිරීමට හැකි වන පරිදි, මෙම අගය Tmax, අගයන් සමඟ දත්ත කට්ටලයේ ගබඩා කර ඇත. මෙම කේතනය සඳහා හේතුව, PAUL මුත්‍රාශයක් සහාය දක්වන උපරිම පීඩනය කුමක්ද යන්න පිළිබඳ තොරතුරු නොමැතිකමයි. අඛණ්ඩව 1500 ms ට වඩා වැඩි උද්ධමන කාලයන් සිදුරු වීමට හේතු වූ බව පර්යේෂණාත්මකව තීරණය කළ බව සත්‍යයක් වුවද, නැවත නැවත චක්‍ර ගණනාවක් තුළ අඩු වාර ගණනක් යෙදීමෙන් ද කාන්දුවීම් ඇති විය. මෙම පදනම මත, කිසිදු කපාටයක් එක් පියවරකින් හෝ කිහිපයකින්, 1000 ms ට වඩා පිම්බීම නොකිරීමට තීරණය කරන ලදී.  එක් එක් මුත්‍රාශයේ උද්ධමන වේලාවන් සමඟ, කුටීර කියවීම් මත පදනම්ව, අවසාන කෙළවරට ළඟා වූ පිහිටීම සහ දිශානතිය ගබඩා කෙරේ. විශේෂයෙන්, හරිත සලකුණෙහි පිහිටීම සහ ත්‍රිකෝණාකාර දිශානතිය ගබඩා කර ඇත. භ්‍රමණ අනුකෘතියකට වඩා ඉතා කාර්යක්ෂම ගබඩා ආකාරයක් වන බැවින්, දෙවැන්න ඉයුලර් කෝණවලින් ප්‍රකාශ වේ. ඊට අමතරව, දත්ත කට්ටලයේ එකතු කිරීමේ ක්‍රියාවලියෙන් ලබාගත් පාර-දත්ත ද අඩංගු වන අතර ඒවා ප්‍රතිඵල කෙරෙහි බලපානු ඇතැයි විශ්වාස කෙරේ, උදාහරණයක් ලෙස වායුමය රේඛා පීඩනය හෝ පරිසර උෂ්ණත්වය.  වායු පද්ධතියේ සමහර අංශ කෙරෙහි අවධානය යොමු කිරීම වටී. මුලදී, මුත්‍රාශයේ උද්ධමනය සහ අවධමනය සමමිතික ක්‍රියාවලීන් නොවේ. වායුමය සංරචකවල ජ්‍යාමිතික සීමාවන් උද්ධමනයට සාපේක්ෂව අඩු අවධමන අනුපාතයකට හේතු වේ. එහි ප්‍රතිඵලයක් ලෙස, PAUL අවධමන කාලයක් ලබා ගන්නා විට, එය ප්‍රායෝගිකව ව්‍යුත්පන්න වූ සාධකයකින් ගුණ කරයි, බාර් 1.2 ක වැඩ පීඩනයක් සඳහා ආසන්න වශයෙන් 1.45 කි. මෙම ගුණකය තනි මුත්‍රාශ සමූහයක උද්ධමනය සහ අවධමන වේලාවන් අතර විෂමතාවයට වන්දි ලබා දෙන අතර, අවධමන කාලය එකම උද්ධමන ස්ථානයට ළඟා වීමට අවශ්‍ය කාලය සමඟ සමපාත වන බව සහතික කරයි.  ඒ හා සමානව, එකවර කපාට කිහිපයක් පුම්බා ගැනීම භෞතිකව කළ හැකි වුවද, මෙම සමාන්තර ප්‍රවාහ ව්‍යාප්තිය යනු එක් එක් කපාටයේ ඵලදායී පිරවුම් ඒවා තනි තනිව පුම්බා ඇත්නම් සමාන නොවන බව පෙන්වා දී ඇත. මෙම සංසිද්ධිය වැලැක්වීම සඳහා, දත්ත ලබා ගැනීමේ ක්‍රියාවලියේදී සහ හදිසියේම, PAUL ට යම් යම් ස්ථාන කරා ළඟා වීමට ඉල්ලා සිටි විට, එක් එක් මුත්‍රාශය වෙන වෙනම පුම්බා ගැනීමට තීරණය කරන ලදී.  අවසාන වශයෙන්, සිලිකොන් තුළ හිස්ටෙරසිස් සංසිද්ධි ඇති අතර එමඟින් t කාලයකට පිම්බීමෙන් ළඟා වන ස්ථානය t1 කාලයකට පළමුව පිම්බීමෙන් ළඟා වන ස්ථානයට වඩා වෙනස් වන අතර පසුව t2 = t − t1 කාලයකට වෙනස් වේ. මෙම ගැටළුව විසඳීම සඳහා භාවිතා කරන ලද උපාය මාර්ගය වූයේ, එක් එක් නියැදිය අතර PAUL නැවත එහි ශුන්‍ය ස්ථානයට ගෙන එන දත්ත කට්ටලය ග්‍රහණය කර ගැනීමයි. කෙසේ වෙතත්, විවෘත-ලූපයේ රොබෝව පාලනය කිරීමේදී මෙය කළ නොහැකි ය, නැතහොත් අවම වශයෙන් යෝග්‍ය නොවේ, මන්ද කෙනෙකුට ගමන් පථ අනුගමනය කිරීමට හෝ ලක්ෂ්‍ය අනුපිළිවෙලක් හරහා ගමන් කිරීමට අවශ්‍ය විය හැකිය. එබැවින්, x1 ස්ථානයේ සිට x2 දක්වා සංක්‍රමණය වීමට, හිස්ටෙරසිස් බලපෑම් සඳහා හේතු දැක්වීම සඳහා, පර්යේෂණාත්මකව ලබාගත් 1.2 ක අතිරේක සාධකයක් අවශ්‍ය වේ.  4.4 විවෘත-ලූප් පාලනය  දත්ත කට්ටලය ජනනය කළ පසු, එය විවෘත-ලූප් පාලනය සඳහා PAUL හි හැසිරීම ආදර්ශනය කිරීමට භාවිතා කළ හැක. අනාගත රේඛාවක් ලෙස, සෘජු චාලනය සඳහා ස්නායුක ජාලයක් සහ ප්‍රතිලෝම චාලනය සඳහා තවත් එකක් පුහුණු කිරීම පුරෝකථනය කර ඇත. කෙසේ වෙතත්, අවශ්‍ය විය හැකි විශාල දත්ත ප්‍රමාණය සැලකිල්ලට ගෙන ([62] 24389 සාම්පල මේ වගේ කොටස් තුනකින් යුත් රොබෝවක් සඳහා භාවිතා කරයි), මෙම කාර්යය සඳහා වගු සෙවීමේ ක්‍රමයක් භාවිතා කර ඇත.  මුත්‍රාශ නවයේ උද්ධමන වේලාවන්ගෙන් රොබෝවරයාගේ අවසාන කෙළවරේ පිහිටීම සහ දිශානතිය ලබා ගැනීමට ඉඩ සලසන සෘජු චාලක විද්‍යාව සඳහා වූ ක්‍රමය - පෙර පියවරේදී ජනනය කරන ලද දත්ත කට්ටලයේ, යොමුවක් ලෙස ලබා දී ඇති උද්ධමන කාලයෙන් කෙටි දුරකින් පිහිටා ඇති උද්ධමන කාල අගයන් තුන සෙවීමෙන් සමන්විත වේ. පැහැදිලිවම, අපේක්ෂා කරන ලද උද්ධමන කාල කට්ටලය වගුවේ තිබුනේ නම්, මෙම කාල සමඟ සම්බන්ධ අගය සෘජු චාලක ආකෘතියේ ප්‍රතිඵලයක් ලෙස ආපසු ලබා දෙනු ඇත. එසේ නොමැතිනම්, ආසන්නතම උද්ධමන කාල තුන සමඟ සම්බන්ධ වූ පිහිටීම සහ දිශානති අගයන්හි සාමාන්‍යය, ඒ සෑම එකක්ම සහ යොමු උද්ධමන කාලවල අගයන් අතර පවතින දුර (යුක්ලීඩියානු සම්මතය) අනුව බර කර, රොබෝවරයාගේ පිහිටීම සහ දිශානති අගය ලෙස ආපසු ලබා දෙනු ලැබේ.   ඒවා සමඟ, ප්‍රකාශනය භාවිතයෙන් සෘජු චාලක ආකෘතිය මඟින් ආපසු ලබා දෙන පිහිටීම ගණනය කළ හැකිය:   මෙම පත්‍රිකාව CC BY-NC-SA 4.0 DEED බලපත්‍රය යටතේ   . arxiv හි ඇත

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

EScholar Technologies

EScholar

මෙම ශ්‍රව්‍යය කතාවේ මුල් භාෂාවෙන් නිෂ්පාදනය කර ඇත!

PAUL හට එහි චලනයන් වැඩිදියුණු කිරීම සඳහා දැවැන්ත දත්ත කට්ටලයක් අවශ්‍ය වන්නේ ඇයි?

About Author

අදහස්

ටැග් එල්ලන්න

මෙම ලිපිය ඉදිරිපත් කරන ලදී

Related Stories

Spring Into New Features: Smarter Notifications, More Writing Stats, Pixel Icon Library & More

The #blockchain-api Writing Contest by dRPC & HackerNoon: Results Announcement 🎉

AN INDIAN'S TREACHERY

Publish Your Next Technology Press Release with HackerNoon

Spring Into New Features: Smarter Notifications, More Writing Stats, Pixel Icon Library & More

The #blockchain-api Writing Contest by dRPC & HackerNoon: Results Announcement 🎉

AN INDIAN'S TREACHERY

Publish Your Next Technology Press Release with HackerNoon

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps