Zobrazeno 1 - 10
of 68
pro vyhledávání: '"autonomous excavation"'
Publikováno v:
Chinese Journal of Mechanical Engineering, Vol 37, Iss 1, Pp 1-17 (2024)
Abstract As a large-scale mining excavator, the electric shovel (ES) has been extensively employed in open-pit mines for overburden removal and mineral loading. In the development of unmanned operations for ES, dynamic excavation trajectory planning
Externí odkaz:
https://doaj.org/article/11e5588668b0474e9194654e46c30391
Publikováno v:
IEEE Access, Vol 12, Pp 157516-157530 (2024)
An advanced method is presented for improving motion estimation in autonomous excavation operations within unstructured environments, addressing the significant challenges posed by dynamic objects and non-textured surfaces commonly encountered in ear
Externí odkaz:
https://doaj.org/article/281bff7ff70d4bd8849ed74dd3d4cb1a
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Arif Zaman, Jaho Seo
Publikováno v:
Machines, Vol 12, Iss 1, p 23 (2023)
This study presents a drone-based excavation platform prototype with the key objectives of balancing stability during excavation, sensing, and digging the soil pile autonomously without human intervention. The whole platform was first designed in CAD
Externí odkaz:
https://doaj.org/article/6cbdb8a7ad854ad8b84c5831281d2084
Publikováno v:
Archive of Mechanical Engineering, Vol vol. 66, Iss No 2, Pp 153-169 (2019)
Automation of earth moving machineries is a widely studied problem. This paper focusses on one of the main challenges in automation of the earth moving industry, estimation of loading torque acting on the machinery. Loading torque acting on the excav
Externí odkaz:
https://doaj.org/article/83ce057f20654ed3a3fc6b79c17d06dc
Publikováno v:
Machines, Vol 9, Iss 10, p 216 (2021)
The reinforcement learning control of an underground loader was investigated in a simulated environment by using a multi-agent deep neural network approach. At the start of each loading cycle, one agent selects the dig position from a depth camera im
Externí odkaz:
https://doaj.org/article/4f5522f07a94487c84c6bdfaeb5183c1
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Applied Sciences, Vol 11, Iss 14, p 6366 (2021)
This article presents the sensing and safety algorithms for autonomous excavators operating on construction sites. Safety is a key concern for autonomous construction to reduce collisions and machinery damage. Taking this point into consideration, ou
Externí odkaz:
https://doaj.org/article/7935354e2a6245cdb80dc57e76f89504