• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

在 CoppeliaSim 模拟器中对球形机器人进行建模与控制。

Modeling and Control of a Spherical Robot in the CoppeliaSim Simulator.

机构信息

Departamento de Electrotecnia e Informática, Universidad Técnica Federico Santa María, Av. Federico Santa María 6090, Viña del Mar 2520001, Chile.

Escuela de Ingeniería Eléctrica, Pontificia Universidad Católica de Valparaíso, Av. Brasil 2147, Valparaíso 2362804, Chile.

出版信息

Sensors (Basel). 2022 Aug 12;22(16):6020. doi: 10.3390/s22166020.

DOI:10.3390/s22166020
PMID:36015783
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9415907/
Abstract

This article presents the development of a model of a spherical robot that rolls to move and has a single point of support with the surface. The model was developed in the CoppeliaSim simulator, which is a versatile tool for implementing this kind of experience. The model was tested under several scenarios and control goals (i.e., position control, path-following and formation control) with control strategies such as reinforcement learning, and Villela and IPC algorithms. The results of these approaches were compared using performance indexes to analyze the performance of the model under different scenarios. The model and examples with different control scenarios are available online.

摘要

本文提出了一种球形机器人模型的开发，该机器人通过单点支撑在表面上滚动移动。该模型是在 CoppeliaSim 模拟器中开发的，这是一个实现这种体验的通用工具。该模型在几种情况下进行了测试，并采用强化学习和 Villela 和 IPC 算法等控制策略来实现控制目标（即位置控制、路径跟踪和编队控制）。通过使用性能指标比较这些方法的结果，分析了模型在不同场景下的性能。模型和具有不同控制场景的示例可在线获得。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/9c04f3965620/sensors-22-06020-g017.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5c0626f73435/sensors-22-06020-g001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/ac0aad6f60e5/sensors-22-06020-g002.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/1fbe60e8b7db/sensors-22-06020-g003.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/a654d0d076a4/sensors-22-06020-g004.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/b8526fde264d/sensors-22-06020-g005.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5a28ea50f781/sensors-22-06020-g006.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/f025fcc80716/sensors-22-06020-g007.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/3363369d2b9b/sensors-22-06020-g008.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/a8ace597557b/sensors-22-06020-g009.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/76454ca28b25/sensors-22-06020-g010.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/8520b10080ba/sensors-22-06020-g011.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5251667b57d0/sensors-22-06020-g012.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5e6e26e99c71/sensors-22-06020-g013.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/086d5b39b062/sensors-22-06020-g014.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5ab23c126763/sensors-22-06020-g015.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/372d8fb96587/sensors-22-06020-g016.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/9c04f3965620/sensors-22-06020-g017.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5c0626f73435/sensors-22-06020-g001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/ac0aad6f60e5/sensors-22-06020-g002.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/1fbe60e8b7db/sensors-22-06020-g003.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/a654d0d076a4/sensors-22-06020-g004.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/b8526fde264d/sensors-22-06020-g005.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5a28ea50f781/sensors-22-06020-g006.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/f025fcc80716/sensors-22-06020-g007.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/3363369d2b9b/sensors-22-06020-g008.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/a8ace597557b/sensors-22-06020-g009.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/76454ca28b25/sensors-22-06020-g010.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/8520b10080ba/sensors-22-06020-g011.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5251667b57d0/sensors-22-06020-g012.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5e6e26e99c71/sensors-22-06020-g013.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/086d5b39b062/sensors-22-06020-g014.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/5ab23c126763/sensors-22-06020-g015.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/372d8fb96587/sensors-22-06020-g016.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7cf5/9415907/9c04f3965620/sensors-22-06020-g017.jpg

相似文献

1
Modeling and Control of a Spherical Robot in the CoppeliaSim Simulator.在 CoppeliaSim 模拟器中对球形机器人进行建模与控制。
Sensors (Basel). 2022 Aug 12;22(16):6020. doi: 10.3390/s22166020.
2
Development and Control of a Real Spherical Robot.发展与控制一种真实的球形机器人。
Sensors (Basel). 2023 Apr 11;23(8):3895. doi: 10.3390/s23083895.
3
An efficient dynamic system for real-time robot-path planning.一种用于实时机器人路径规划的高效动态系统。
IEEE Trans Syst Man Cybern B Cybern. 2006 Aug;36(4):755-66. doi: 10.1109/tsmcb.2005.862724.
4
Direction Control and Adaptive Path Following of 3-D Snake-Like Robot Motion.三维蛇形机器人运动的方向控制与自适应路径跟踪
IEEE Trans Cybern. 2022 Oct;52(10):10980-10987. doi: 10.1109/TCYB.2021.3055519. Epub 2022 Sep 19.
5
PyDSLRep: A domain-specific language for robotic simulation in V-Rep.PyDSLRep：V-Rep 中的机器人仿真领域特定语言。
PLoS One. 2020 Jul 1;15(7):e0235271. doi: 10.1371/journal.pone.0235271. eCollection 2020.
6
Real-time sensory-motor integration of hippocampal place cell replay and prefrontal sequence learning in simulated and physical rat robots for novel path optimization.模拟和物理大鼠机器人中海马位置细胞重放和前额叶序列学习的实时感觉运动整合，用于新路径优化。
Biol Cybern. 2020 Apr;114(2):249-268. doi: 10.1007/s00422-020-00820-2. Epub 2020 Feb 24.
7
Efficient Path Planning for Mobile Robot Based on Deep Deterministic Policy Gradient.基于深度确定性策略梯度的移动机器人高效路径规划。
Sensors (Basel). 2022 May 8;22(9):3579. doi: 10.3390/s22093579.
8
Comparison of success rates, learning curves, and inter-subject performance variability of robot-assisted and manual ultrasound-guided nerve block needle guidance in simulation.机器人辅助与手动超声引导神经阻滞针引导在模拟中的成功率、学习曲线和受试者间性能变异性比较。
Br J Anaesth. 2014 Jun;112(6):1092-7. doi: 10.1093/bja/aet440. Epub 2014 Jan 23.
9
Online Gait Learning for Modular Robots with Arbitrary Shapes and Sizes.适用于任意形状和尺寸模块化机器人的在线步态学习
Artif Life. 2017 Winter;23(1):80-104. doi: 10.1162/ARTL_a_00223. Epub 2017 Jan 31.
10
The Intelligent Path Planning System of Agricultural Robot via Reinforcement Learning.农业机器人的强化学习智能路径规划系统。
Sensors (Basel). 2022 Jun 7;22(12):4316. doi: 10.3390/s22124316.

引用本文的文献

1
An Approach for Modeling and Simulation of Virtual Sensors in Automatic Control Systems Using Game Engines and Machine Learning.一种使用游戏引擎和机器学习对自动控制系统中的虚拟传感器进行建模与仿真的方法。
Sensors (Basel). 2024 Nov 28;24(23):7610. doi: 10.3390/s24237610.
2
Development and Control of a Real Spherical Robot.发展与控制一种真实的球形机器人。
Sensors (Basel). 2023 Apr 11;23(8):3895. doi: 10.3390/s23083895.
3
Advanced Sensors Technologies Applied in Mobile Robot.先进传感器技术在移动机器人中的应用。

本文引用的文献

1
Deep Q-Learning in Robotics: Improvement of Accuracy and Repeatability.机器人深度学习：提高准确性和可重复性。
Sensors (Basel). 2022 May 21;22(10):3911. doi: 10.3390/s22103911.
2
Spherical Robots for Special Purposes: A Review on Current Possibilities.特殊用途的球形机器人：当前可能性综述。
Sensors (Basel). 2022 Feb 12;22(4):1413. doi: 10.3390/s22041413.
3
A Path Tracking Strategy for Car Like Robots with Sensor Unpredictability and Measurement Errors.具有传感器不确定性和测量误差的类汽车机器人路径跟踪策略。
Sensors (Basel). 2023 Mar 8;23(6):2958. doi: 10.3390/s23062958.
Sensors (Basel). 2020 May 29;20(11):3077. doi: 10.3390/s20113077.