TL;DR
- چکیده:.
- حفظ محلیسازی پایدار و دقیق در حین حرکت سریع یا در زمینهای ناهموار برای روباتهای متحرک با منابع.
- داخلی بسیار چالش برانگیز است.
چه اتفاقی افتاد
چکیده:. حفظ محلیسازی پایدار و دقیق در حین حرکت سریع یا در زمینهای ناهموار برای روباتهای متحرک با منابع.
داخلی بسیار چالش برانگیز است. در حال حاضر،.
روشهای همجوشی چند حسگر مبتنی بر نمایش زمان پیوسته راهحلی بالقوه و مؤثر برای این چالش ارائه میدهند. در این میان، روشهای مبتنی بر spline یک رویکرد کارآمد و شهودی برای نمایش زمان پیوسته ارائه میدهند.
کارهای کیلومتر شماری با زمان پیوسته قبلی بر اساس خطوط B یا نقاط کنترل را بهعنوان متغیرهایی برای. تخمین زدن در نظر میگیرند یا تخمین را در فضای کواترنیون انجام میدهند،.
که پیچیدگی در استخراج ژاکوبینهای تحلیلی ایجاد میکند و اغلب خطای برازش بین اسپلین و مسیر. واقعی را در طول زمان نادیده میگیرد.
برای پرداختن به این مسائل،. ابتدا پیشنهاد میکنیم که افزایش نقاط کنترل در گروههای Lie ماتریس را بهعنوان متغیرهایی که باید تخمین زده.
شوند،. نشان دهیم.
با استفاده از ویژگی شکل تجمعی B-splines،. ما فرمول فشردهتری را به دست میآوریم که ژاکوبینهای تحلیلی سادهتری را بدون نیاز به ملاحظات شرایط مرزی.
اضافی به دست میدهد. دوم،.
ما از اطلاعات انتشار به جلو از اندازهگیریهای IMU برای تخمین خطاهای برازش آنلاین استفاده میکنیم و استراتژی. مدیریت نقشه وکسل مبتنی بر ویژگی ترکیبی را معرفی میکنیم که دقت و استحکام سیستم را افزایش میدهد.
در نهایت،. ما یک سیاست برآورد مجدد را پیشنهاد میکنیم که بهطور قابلتوجهی کارایی محاسباتی و استحکام سیستم را بهبود.
میبخشد. روش پیشنهادی بر روی مجموعه دادههای عمومیچالش برانگیز متعدد ارزیابی میشود و عملکرد برتر را در اکثر.
توالیها نشان میدهد. مطالعات دقیق فرسایش برای تجزیه و تحلیل تأثیر هر ماژول بر روی سیستم برآورد پوس کلی انجام شده.
است. رباتیک (cs.
RO) استناد بهعنوان: (یا v1 [cs. RO] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Lei Zhao [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 14:.
27:. 54 UTC (19,.
693 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.