A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
NEURAL TASK PLANNING PART FOR AUTONOMOUS TRAVELLING VEHICLE
To provide Task Net for an autonomous travelling vehicle based on neural network.SOLUTION: A Task Net planning unit includes a first model of decomposing a high level task to a sub-task sequence, decomposing the sub-task sequence to a task primitive including specification, and predicting a global work area sequence, and a second model for determining an order and a specification of local operation. The neural model includes a convolution layer for extracting a feature from environment expression of a grid map, and a connection layer of total connection for predicting a next sub-task or task primitive in combination of the extracted feature with the past sequence. The Task Net is trained using an excavation track generator, and performance is evaluated by geography based on 3D and an excavator simulator. There is provided a Task Net for learning a task decomposition strategy, and generating the appropriate sub-task sequence and task primitive sequence.SELECTED DRAWING: Figure 4
【課題】ニューラル・ネットワークに基づく自律走行車両ためのＴａｓｋＮｅｔの実施形態を示す。【解決手段】ＴａｓｋＮｅｔ計画部は、ハイレベルタスクをサブタスク・シーケンスに分解し、仕様を含むタスク・プリミティブに分解し、グローバル作業領域シーケンスを予測するための第１のモデルと、ローカル操作の順序と仕様を決定するための第２のモデルとを含む。ニューラル・モデルは、グリッド・マップの環境表現から特徴を抽出するための畳み込み層と、抽出された特徴を過去のシーケンスと組み合わせて次のサブタスク、又は、タスク・プリミティブを予測するための全接続の接続層とを含む。掘削トラック生成器を用いてＴａｓｋＮｅｔの実施形態をトレーニングし、３Ｄに基づく地形と掘削機シミュレータにより性能を評価する。タスク分解戦略を学習し適切なサブタスク・シーケンスとタスク・プリミティブ・シーケンスを生成するＴａｓｋＮｅｔを提供する。【選択図】図４
NEURAL TASK PLANNING PART FOR AUTONOMOUS TRAVELLING VEHICLE
To provide Task Net for an autonomous travelling vehicle based on neural network.SOLUTION: A Task Net planning unit includes a first model of decomposing a high level task to a sub-task sequence, decomposing the sub-task sequence to a task primitive including specification, and predicting a global work area sequence, and a second model for determining an order and a specification of local operation. The neural model includes a convolution layer for extracting a feature from environment expression of a grid map, and a connection layer of total connection for predicting a next sub-task or task primitive in combination of the extracted feature with the past sequence. The Task Net is trained using an excavation track generator, and performance is evaluated by geography based on 3D and an excavator simulator. There is provided a Task Net for learning a task decomposition strategy, and generating the appropriate sub-task sequence and task primitive sequence.SELECTED DRAWING: Figure 4
【課題】ニューラル・ネットワークに基づく自律走行車両ためのＴａｓｋＮｅｔの実施形態を示す。【解決手段】ＴａｓｋＮｅｔ計画部は、ハイレベルタスクをサブタスク・シーケンスに分解し、仕様を含むタスク・プリミティブに分解し、グローバル作業領域シーケンスを予測するための第１のモデルと、ローカル操作の順序と仕様を決定するための第２のモデルとを含む。ニューラル・モデルは、グリッド・マップの環境表現から特徴を抽出するための畳み込み層と、抽出された特徴を過去のシーケンスと組み合わせて次のサブタスク、又は、タスク・プリミティブを予測するための全接続の接続層とを含む。掘削トラック生成器を用いてＴａｓｋＮｅｔの実施形態をトレーニングし、３Ｄに基づく地形と掘削機シミュレータにより性能を評価する。タスク分解戦略を学習し適切なサブタスク・シーケンスとタスク・プリミティブ・シーケンスを生成するＴａｓｋＮｅｔを提供する。【選択図】図４
NEURAL TASK PLANNING PART FOR AUTONOMOUS TRAVELLING VEHICLE
自律走行車両ためのニューラル・タスク計画部
ZHANG LIANGJUN (author) / ZHAO JINXIN (author)
2021-08-05
Patent
Electronic Resource
Japanese
| British Library Conference Proceedings | 2008
| British Library Conference Proceedings | 2008