НАБОР РЕГРЕССИОННЫХ МОДЕЛЕЙ ДЛЯ УПРАВЛЕНИЯ ТЕЛЕЖКОЙ, ОСНАЩЕННОЙ МАНИПУЛЯТОРОМ РОБОТА, ИНТЕГРИРОВАННЫМ В ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС
DOI:
https://doi.org/10.14529/power240406Ключевые слова:
системы виртуальной среды, симуляторы мобильных роботов, набор инструментов для робототехнических систем, набор инструментов для робототехники, методы навигации, педагогический опыт, платформа для моделированияАннотация
В данной статье рассматривается проблема систем виртуальной среды и симуляторов мобильных роботов. В симуляторе используется Robotics System Toolbox и Robotics Toolbox для повышения эффективности преподавания курсов информатики. Благодаря мобильному роботу, оснащенному камерой «рыбий глаз» и структурированным светом, этот симулятор, созданный с использованием Unity, можно использовать для обучения навыкам навигации в помещении. В виртуальную среду также включена интерактивная внутренняя среда с различными препятствиями. Основная цель тренажера – мотивировать студентов продолжать изучать робототехнику и, следовательно, повысить качество инженерного образования. Мы считаем, что интеграция этих инструментов в образовательный процесс повысит интерес студентов к предмету и, как следствие, студенты получат ценный практический опыт. В данной статье не только демонстрируется совместимость предлагаемого симулятора с наборами инструментов MATLAB, но и проводится сравнительный анализ между рассмотренными наборами инструментов.Скачивания
Библиографические ссылки
A. Lenskiy, H. Junho, K. Dongyun, and P. Junsu, “Educational platform for learning programming via controlling mobile robots,” in Proc. International Conference on Data and Software Engineering, 2014, pp. 1-4.
M. Sadiku, P. Adebo, and S. Musa, “Online Teaching and Learning,” International Journals of Advanced Research in Computer Science and Software Engineering, vol. 8, no.2, pp. 73-75, Feb. 2018.
A. S. Alves Gomes, J. F. Da Silva and L. R. De Lima Teixeira, “Educational Robotics in Times of Pandemic: Challenges and Possibilities,” 2020 Latin American Robotics Symposium, 2020 Brazilian Symposium on Robotics and 2020 Workshop on Robotics in Education, Natal, Brazil, 2020, pp. 1-5.
L. Ma, H. Bai, Q. Dai, and H. Wang, “Practice and Thinking of Online Teaching During Epidemic Period *,” in Proc. 15th International Conference on Computer Science & Education, 2020, pp. 568-571.
J. Hu, and B. Zhang, “Application of SalesForce Platform in Online Teaching in Colleges and Universities under Epidemic Situation,” in Proc. International Conference on Big Data, Artificial Intelligence and Internet of Things Engineering, 2020, pp. 276-279.
L. Kexin, Q. Yi, S. Xiaoou, and L. Yan, “Future Education Trend Learned From the Covid-19 Pandemic: Take ≪Artificial Intelligence≫ Online Course As an Example,” in Proc. International Conference on Artificial Intelligence and Education, 2020, pp. 108-111.
S. E. Bazarov, I. Y. Kholodilin, A. S. Nesterov, and A. V. Sokhina, “Applying Augmented Reality in practical classes for engineering students,” in Proc. IOP Conf. Ser.: Earth Environ. Sci. 87, 2017.
Robotics System Toolbox. [Online]. Available: https://www.mathworks.com/help/robotics/ (accessed Feb. 6, 2021).
P. I. Corke, “A Robotics Toolbox for Matlab,” IEEE Robotics and Automation Magazine, 1996.
A. Afzal, D. Katz, C. Goues, and C. Timperley, “A Study on the Challenges of Using Robotics Simulators for Testing,” Apr. 2020. [Online]. Available: https://arxiv.org/pdf/2004.07368.pdf (accessed Feb. 8, 2021).
I. Kholodilin, Y. Li, and Q. Wang, “Omnidirectional Vision System With Laser Illumination in a Flexible Configuration and Its Calibration by One Single Snapshot,” IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 11, pp. 9105-9118, Nov. 2020.
D. Scaramuzza, A. Martinelli, and R. Siegwart, “A Flexible Technique for Accurate Omnidirectional Camera Calibration and Structuredfrom Motion,” In Proc. IEEE International Conference on Computer Vision Systems, Jan. 2006.
S. Saxena, S. Jain, S. Tripathi, and K. Gupta, “Comparative Analysis of Image Segmentation Techniques,” Advances in Communication and Computational Technology: Springer, Singapore, 2021, vol 668, pp. 317-331.
D. Scaramuzza, “OCamCalib: Omnidirectional Camera Calibration Toolbox for Matlab”. [Online]. Available: https://www.sites.google.com/site/scarabotix/ocamcalib-toolbox (accessed Feb. 12, 2021).