Select Language

AI社区

公开数据集

超声波传感器 机器人导航数据集

超声波传感器 机器人导航数据集

897K
708 浏览
0 喜欢
6 次下载
0 条讨论
Computer Classification

Data Set Information:提供的文件包括三个不同的数据集。第一个包含所有24个超声波传感器的原始测量值和相应的类别标签。传感器......

数据结构 ? 897K

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    Data Set Information:

    提供的文件包括三个不同的数据集。第一个包含所有24个超声波传感器的原始测量值和相应的类别标签。传感器读数的采样频率为每秒9个样本的速率。
    第二个包含四个名为“简化距离”的传感器读数和相应的类别标签。这些简化的距离称为“前距离”、“左距离”、“右距离”和“后距离”。它们分别由位于机器人前部、左侧、右侧和后部60度弧内的传感器读数中的最小值组成。

    第三个仅包含前面和左边的简化距离以及相应的类标签。

    值得一提的是,24个超声波读数和简化的距离是在同一时间步采集的,因此每个文件具有相同的行数(每个采样时间步一行)。

    “墙跟随”任务和数据收集旨在验证这样一个假设,即这个看似简单的导航任务确实是一个非线性可分离的分类任务。因此,线性分类器,如感知器网络,无法在不发生碰撞的情况下学习任务并指挥机器人在房间内走动。非线性神经分类器,如MLP网络,能够在不发生碰撞的情况下成功地学习任务和指挥机器人。
    如果为神经分类器提供某种短期记忆机制,它们的性能通常会得到改善。例如,如果过去的输入与当前的传感器读数一起提供,则即使感知器也能够学习任务并成功地指挥机器人。如果使用递归神经网络(如Elman网络)来学习任务,则生成的动态分类器能够使用比MLP网络更少的隐藏神经元来学习任务。

    建立了具有不同传感器读数数量的文件,以评估分类器在输入数量方面的性能。

    Attribute Information:

    Number of Attributes
      -- sensor_readings_24.data: 24 numeric attributes and the class.
      -- sensor_readings_4.data:   4 numeric attributes and the class.
      -- sensor_readings_2.data:   2 numeric attributes and the class.



    For Each Attribute:
      -- File sensor_readings_24.data:
    1. US1: ultrasound sensor at the front of the robot (reference angle: 180?°) - (numeric: real)
    2. US2: ultrasound reading (reference angle: -165?°) - (numeric: real)
    3. US3: ultrasound reading (reference angle: -150?°) - (numeric: real)
    4. US4: ultrasound reading (reference angle: -135?°) - (numeric: real)
    5. US5: ultrasound reading (reference angle: -120?°) - (numeric: real)
    6. US6: ultrasound reading (reference angle: -105?°) - (numeric: real)
    7. US7: ultrasound reading (reference angle: -90?°) - (numeric: real)
    8. US8: ultrasound reading (reference angle: -75?°) - (numeric: real)
    9. US9: ultrasound reading (reference angle: -60?°) - (numeric: real)
    10. US10: ultrasound reading (reference angle: -45?°) - (numeric: real)
    11. US11: ultrasound reading (reference angle: -30?°) - (numeric: real)
    12. US12: ultrasound reading (reference angle: -15?°) - (numeric: real)
    13. US13: reading of ultrasound sensor situated at the back of the robot (reference angle: 0?°) - (numeric: real)
    14. US14: ultrasound reading (reference angle: 15?°) - (numeric: real)
    15. US15: ultrasound reading (reference angle: 30?°) - (numeric: real)
    16. US16: ultrasound reading (reference angle: 45?°) - (numeric: real)
    17. US17: ultrasound reading (reference angle: 60?°) - (numeric: real)
    18. US18: ultrasound reading (reference angle: 75?°) - (numeric: real)
    19. US19: ultrasound reading (reference angle: 90?°) - (numeric: real)
    20. US20: ultrasound reading (reference angle: 105?°) - (numeric: real)
    21. US21: ultrasound reading (reference angle: 120?°) - (numeric: real)
    22. US22: ultrasound reading (reference angle: 135?°) - (numeric: real)
    23. US23: ultrasound reading (reference angle: 150?°) - (numeric: real)
    24. US24: ultrasound reading (reference angle: 165?°) - (numeric: real)
      25. Class:
          -- Move-Forward
          -- Slight-Right-Turn
          -- Sharp-Right-Turn
          -- Slight-Left-Turn

      -- File sensor_readings_4.data:
    1. SD_front: minimum sensor reading within a 60 degree arc located at the front of the robot - (numeric: real)
    2. SD_left:  minimum sensor reading within a 60 degree arc located at the left of the robot  - (numeric: real)
    3. SD_right: minimum sensor reading within a 60 degree arc located at the right of the robot - (numeric: real)
    4. SD_back:  minimum sensor reading within a 60 degree arc located at the back of the robot - (numeric: real)
      5. Class:
          -- Move-Forward
          -- Slight-Right-Turn
          -- Sharp-Right-Turn
          -- Slight-Left-Turn

      -- File sensor_readings_2.data:
    1. SD_front: minimum sensor reading within a 60 degree arc located at the front of the robot - (numeric: real)
    2. SD_left:  minimum sensor reading within a 60 degree arc located at the left of the robot - (numeric: real)
      3. Class:
          -- Move-Forward
          -- Slight-Right-Turn
          -- Sharp-Right-Turn
          -- Slight-Left-Turn


    Relevant Papers:

    Ananda L. Freire, Guilherme A. Barreto, Marcus Veloso and Antonio T. Varela (2009),
    'Short-Term Memory Mechanisms in Neural Network Learning of Robot Navigation
    Tasks: A Case Study'. Proceedings of the 6th Latin American Robotics Symposium (LARS'2009),
    Valpara?-so-Chile, pages 1-6, DOI: 10.1109/LARS.2009.5418323



    Citation Request:

    Please refer to the Machine Learning Repository's citation policy

    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:3 去赚积分?
    • 708浏览
    • 6下载
    • 0点赞
    • 收藏
    • 分享