메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김명수 (서울대학교) 장근우 (한국과학기술연구원) 박재흥 (서울대학교)
저널정보
한국로봇학회(논문지) 로봇학회 논문지 로봇학회 논문지 제18권 제4호
발행연도
2023.12
수록면
427 - 435 (9page)
DOI
10.7746/jkros.2023.18.4.427

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper proposes a method of estimating the pose of a mobile robot by using a learning model. When estimating the pose of a mobile robot, wheel encoder and inertial measurement unit (IMU) data are generally utilized. However, depending on the condition of the ground surface, slip occurs due to interaction between the wheel and the floor. In this case, it is hard to predict pose accurately by using only encoder and IMU. Thus, in order to reduce pose error even in such conditions, this paper introduces a pose estimation method based on a learning model using data of the wheel encoder and IMU. As the learning model, long short-term memory (LSTM) network is adopted. The inputs to LSTM are velocity and acceleration data from the wheel encoder and IMU. Outputs from network are corrected linear and angular velocity. Estimated pose is calculated through numerically integrating output velocities. Dataset used as ground truth of learning model is collected in various ground conditions. Experimental results demonstrate that proposed learning model has higher accuracy of pose estimation than extended Kalman filter (EKF) and other learning models using the same data under various ground conditions.
#IMU #Learning #Mobile Robot #Odometry #Wheel

목차

Abstract
1. 서론
2. 학습 방법
3. 실험 및 결과
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

아바타 로봇을 위한 3지 로봇 손과 손 자세 맵핑 알고리즘
김승연 ,  성은호 ,  박재흥 로봇학회 논문지 2022 .09
모바일 매니퓰레이터 시뮬레이션을 위한 로봇 물리 엔진의 성능 평가
이관우 ,  윤준헌 ,  박수한 외 1명 로봇학회 논문지 2024 .03
칼만 필터 기반 동적 물체 추적을 이용한 오도메트리
이한열 ,  정재형 ,  박찬국 한국항공우주학회 학술발표회 초록집 2022 .11
휴머노이드 로봇 보행 기술의 연구 동향
김명주 ,  임대규 ,  김동현 외 6명 제어로봇시스템학회 논문지 2024 .04
요부 안정화를 위한 복대형 입는 로봇 개발
김주완 ,  심재훈 ,  김기원 외 2명 로봇학회 논문지 2023 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088229658