参数依赖 LMI 合成实现非完整移动机器人半全局微分 ISS 轨迹跟踪
热点事件观察中
参数依赖 LMI 合成实现非完整移动机器人半全局微分 ISS 轨迹跟踪
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
该研究提出参数依赖线性矩阵不等式(LMI)框架,旨在解决受乘性车轮滑移影响的非完整移动机器人轨迹跟踪问题。论文预印本已上传 arXiv。 在 Kanayama 坐标下,该方法在半全局球域内实现指数衰减与 H-无穷范数增益优化,并在±50% 滑移比工况下较固定增益基线保持稳健性。
AI 根据报道生成 · 1 天前更新
最新进展11月17日 13:00
参数依赖 LMI 合成实现非完整移动机器人半全局微分 ISS 轨迹跟踪报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- arXiv · 机器人与计算机视觉参数依赖 LMI 合成实现非完整移动机器人半全局微分 ISS 轨迹跟踪
该研究提出参数依赖线性矩阵不等式(LMI)框架,解决受乘性车轮滑移影响的非完整移动机器人轨迹跟踪问题。在 Kanayama 坐标下,该方法在半全局球域(σ_bar = 0.10)内实现指数衰减与 H-无穷范数增益优化,并在±50% 滑移比工况下较固定增益基线保持稳健性。论文包含 23 页、18 幅图及 50 个参考文献,预印本已上传 arXiv。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 711月18日 00:00
- 近 24 小时变化
- -51%
02468
11月18日06:0012:0018:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。