Tədqiqat dəmiryolu ballastı kimi nizamsız və vizual baxımdan mürəkkəb mühitlərdə yerdə yerləşən texniki xidmət alətlərini aşkarlayıb tutaraq daşıya bilən inteqrə olunmuş robot sistemi hazırlayır. Sistem üç əsas komponenti bir araya gətirir: YOLOv8n əsaslı RA-YOLO obyekt aşkarlama şəbəkəsi, ağır və qeyri-müntəzəm formalı alətlərə uyğunlaşması üçün hazırlanmış asimmetrik Fin Ray yumşaq barmaqlar və Intel RealSense D435i dərinlik kamerası ilə Aubo-i5 altıoxlu robot qolunu birləşdirən Simulink–ROS əsaslı nəzarət arxitekturası.

RA-YOLO-da CBAM diqqət mexanizmi və Mosaic məlumat artırması birlikdə istifadə edildikdə standart test dəstində mAP@0.5 dəyəri %93,6-ya çatmışdır. Model RTX 3090 üzərində 105 FPS işləyərkən 3,4 milyon parametrə malik olmuşdur. NVIDIA Jetson AGX Orin üzərində TensorRT ilə 640 × 640 giriş ayırdetməsində 42 FPS əldə edilmiş və mənbədə uçdan-uca gecikmənin 25 ms-dən aşağı qaldığı bildirilmişdir. Əlavə ballast şəraitlərində ən aşağı mAP@0.5 dəyəri yaş və fərqli tekstura/rəng xüsusiyyətlərinin birlikdə olduğu testdə %90,5 olmuşdur.

Tutucu hissəsində standart simmetrik Fin Ray quruluşunun ağır alətlərdəki yanal qeyri-sabitliyini azaltmaq üçün qabırğa düzümü asimmetrik edilmişdir. TPU barmaqların böyük deformasiya davranışı eksperimental dartılma məlumatları ilə üçüncü dərəcəli Yeoh hiperelastik modelinə uyğunlaşdırılmış; modelin uyğunluq əmsalı R²=0,9938 kimi bildirilmişdir. Sonlu element və L9 ortoqonal analiz nəticəsində qabırğa meyli 30°, qabırğa aralığı 8 mm və xarici divar qalınlığı 3 mm seçilmişdir.

Real istehsal edilmiş barmaq üzərində aktuasiya yerdəyişməsi 1 mm-dən 6 mm-ə artırıldıqda normal təmas qüvvəsi 2,74 N-dan 15,47 N-a yüksəlmiş və eksperimental xətti barmaq ucu sərtliyi 2,56 N/mm kimi müəyyən edilmişdir. 3000 təkrarlı bükülmə dövründən sonra qüvvə 15,47 N-dan 15,04 N-a düşərək %2,78 azalmışdır. Bundan əlavə 2 kg yüklə 500 qaldırma dövründə görünən sürüşmə, yükün düşməsi və ya gözlə görünən struktur zədəsi bildirilməmişdir. Bunlar qısamüddətli davamlılıq göstəriciləridir; uzunmüddətli sahə yorulması tədqiqatda sınaqdan keçirilməmişdir.

Açıq hava dəmiryolu ballastı üzərindəki sistem sınaqlarında drell, çəkic, kəlbətin, tornavida və açar istifadə edilmişdir. İzolyasiya olunmuş alət şəraitində orta tutma uğuru %95,2, qismən örtüşən və üst-üstə düşən alətlərin olduğu daha çətin ssenaridə %88,4, iki ssenarinin ümumi ortalamasında isə %91,8 olaraq bildirilmişdir. Bununla yanaşı mənbə hər alət və ssenari üçün neçə müstəqil tutma sınağının aparıldığını göstərmədiyi üçün bu faizlərə aid nümunə həcmi və etibar intervalı qiymətləndirilə bilmir.

Türkiyə baxımından tədqiqat dəmiryolu texniki xidmət sahələrində alət toplama, yardımçı texniki xidmət robotları və nizamsız səthlərdə robotik manipulyasiya tədqiqatları üçün texniki nümunə yarada bilər. Lakin təcrübələr Türkiyədəki dəmiryolu infrastrukturunda aparılmamışdır və güclü yağış, qar, palçıq, sıx toz, çox aşağı işıq, yüksək sürətli hərəkət və ya uzunmüddətli sahə istifadəsi doğrulanmamışdır. Yerli tətbiqdə ballast xüsusiyyətləri, işıq şəraiti, istifadə olunacaq real texniki xidmət alətləri, təhlükəsizlik prosedurları və robot platforması ilə yenidən sahə doğrulaması aparılmalıdır.

Sistem hansı problemi həll etməyə çalışır?

Dəmiryolu texniki xidmət sahələrində alətlər düz və nəzarətli zavod döşəməsində yerləşməyə bilər. Ballast daşları sıx və nizamsız vizual tekstura yaradır; metal alətlər müxtəlif istiqamətlərdə qala, bir-birinin üstünə düşə və günəş işığında güclü əks olunma yarada bilər. Buna görə sistem yalnız obyekti tanımamalı, həm də onun yerini müəyyən etməli və nizamsız həndəsəsini etibarlı şəkildə tutmalıdır.

Tədqiqatın yanaşması bu problemi tək alqoritmlə həll etmək əvəzinə üç qata ayırır:

• Vizual sistem texniki xidmət alətini tanıyır.
• Dərinlik və əl–göz kalibrlənməsi hədəfi robot koordinat sisteminə keçirir.
• Yumşaq tutucu obyektin həndəsəsinə passiv şəkildə uyğunlaşaraq qaldırma əməliyyatını yerinə yetirir.

Asimmetrik Fin Ray barmağın fərqi nədir?

Standart Fin Ray quruluşu yumşaq və adaptiv olsa da yüksək yanal yüklərdə bükülməyə meylli ola bilər. Tədqiqatçılar 2 kg sinfindəki texniki xidmət alətlərini hədəflədikləri üçün barmaq həndəsəsini yalnız elastiklik baxımından deyil, yükdaşıma baxımından da dəyişdirmişlər.

Təklif olunan quruluşda üç əsas həndəsi element var:

• Asimmetrik maili qabırğalar: İlk təmasdan sonra barmağın obyektə doğru içəri bükülməsini təşviq edir.
• Əyri xarici divar: Yanal əyilmə zamanı struktur dəstəyini artırmağı hədəfləyir.
• Silikon təmas qatı: Düz və metal səthlərdə sürüşməyə qarşı sürtünməni artırır.

Tədqiqatın dizayn tələbində tutucunun ümumi çəkisinin 1 kg və ya daha az, hədəf obyekt ölçüsünün 10–120 mm və maksimum yükün 2 kg və ya daha az olması nəzərdə tutulmuşdur.

TPU-nun böyük deformasiyası necə modelləşdirilib?

Barmaqlar BASF Elastollan 1185A TPU ilə FDM üsulu ilə istehsal edilmişdir. Material davranışını birbaşa kataloq məlumatından təxmin etmək əvəzinə eyni materialdan üç dartılma nümunəsi sınaqdan keçirilmiş və orta gərginlik–deformasiya davranışı istifadə edilmişdir.

Üçüncü dərəcəli Yeoh hiperelastik modelinin enerji sıxlığı:

\[ W= \sum_{i=1}^{3} C_{i0}(I_1-3)^i \]

şəklində müəyyən edilmişdir.

0–300% deformasiya intervalındakı eksperimental məlumatlardan:

\[ C_{10}=2{,}054\ \mathrm{MPa} \]

\[ C_{20}=-0{,}0753\ \mathrm{MPa} \]

\[ C_{30}=0{,}00231\ \mathrm{MPa} \]

dəyərləri əldə edilmişdir. Uyğunluq əmsalı R²=0,9938 kimi bildirilmişdir.

Barmaq həndəsəsi necə optimallaşdırıldı?

Sonlu element analizində üç əsas dəyişən araşdırılmışdır: qabırğa meyl bucağı \(\theta\), qabırğa aralığı \(d\) və xarici divar qalınlığı \(t\).

Daha sonra L9(3³) ortoqonal dizayn tətbiq edilmiş və gərginlik təhlükəsizliyi, adaptiv deformasiya ilə yanal sabitlik tək bir kompozit balda birləşdirilmişdir:

\[ F=0{,}4f_{\sigma}+0{,}3f_{\delta}+0{,}3f_S \]

Gərginlik təhlükəsizliyinə %40, adaptiv deformasiya ilə yanal sabitliyə ayrıca %30 çəki verilmişdir. Doqquz kombinasiya daxilində 30°–8 mm–3 mm konfiqurasiyası 0,90 kompozit bal ilə ən yüksək nəticəni vermişdir.

Tutma qüvvəsi yalnız motor fırlanma anından asılıdır?

Xeyr. Tədqiqatın mühüm mexaniki fərqlərindən biri motorun yaratdığı bütün enerjinin obyekt üzərində sıxma qüvvəsinə çevrilmədiyini nəzərə almasıdır. Yumşaq TPU barmaq əyildiyi üçün enerjinin bir hissəsi elastik deformasiyada saxlanılır.

Mənbə buna görə barmağı pseudo-rigid-body yanaşması ilə ekvivalent torsion sərtliyinə malik elastik sistem kimi qiymətləndirir:

\[ M_{res}=K_{eq}\Delta\phi \]

və təmas qüvvəsini:

\[ F_c= \frac{1}{L_{eff}} \left[ \frac{\pi\eta L_1\sin\beta} {2P\cos\alpha}M_d - K_{eq}\Delta\phi \right] \]

şəklində ifadə edir.

Bu tənlikdə motor fırlanma anı birinci terminlə tutma qüvvəsi yaradır, ikinci termin isə TPU deformasiyası üçün tələb olunan elastik əks momenti təmsil edir. Mənbənin fiziki şərhinə görə motor fırlanma anı müəyyən minimum həddi aşmadan müsbət sıxma qüvvəsi yaranmaya bilər.

Sürüşməyə qarşı hansı şərt istifadə olunur?

Dörd barmağın yaratdığı qaldırma qüvvəsi cazibə və hərəkət təcilinə qarşı dayanmalıdır. Nəzəri sabitlik şərti mənbədə:

\[ 4F_c(\sin\theta+\mu\cos\theta) \geq m(g+a_{max}) \]

kimi verilmişdir.

Fiziki eksperimental doğrulamada isə daha konservativ sürtünmə əsaslı yanaşma istifadə olunmuşdur:

\[ F_{available}=4\mu F_n \]

və tələb olunan qüvvə:

\[ F_{required}=m(g+a_{max}) \]

kimi hesablanmışdır. Maksimum transfer təcili \(1{,}0\ \mathrm{m/s^2}\) qəbul edilmişdir.

RA-YOLO-nun əsas dəyişikliyi nədir?

RA-YOLO YOLOv8n arxitekturasını tamamilə dəyişən böyük şəbəkə deyil. Əsas təkmilləşdirmə Backbone-un C2f-P5 çıxışı ilə SPPF modulu arasına Convolutional Block Attention Module (CBAM) əlavə edilməsi və təlimdə Mosaic məlumat artırmasının istifadə olunmasıdır.

CBAM iki ardıcıl diqqət mərhələsi tətbiq edir:

• kanal diqqət mexanizmi hansı xüsusiyyət kanallarının mühüm olduğunu çəkiləndirir;
• məkan diqqət mexanizmi görüntünün hansı bölgələrinə fokuslanmaq lazım olduğunu müəyyənləşdirir.

Məqsəd ballast daşlarının sıx teksturasına reaksiya verən xüsusiyyətləri basdırarkən metal alət gövdəsinə aid xüsusiyyətləri gücləndirməkdir.

Mosaic niyə istifadə edildi?

Hər təlim nümunəsində dörd görüntü miqyaslanıb kəsilərək tək kompozit görüntüyə birləşdirilmişdir. Beləliklə eyni təlim nümunəsində fərqli miqyaslar, fonlar və qismən örtüşmələr görünə bilir. Tədqiqatın 18. səhifəsindəki Şəkil 20 tək açar görüntüsünün müxtəlif alət və ballast hissələri ilə birləşdirildiyi Mosaic nümunəsini göstərir.

Tədqiqatın dəstəklədiyi nəticələr

• CBAM və Mosaic-in birlikdə istifadəsi tədqiqatın test dəstində YOLOv8n baza modelinə görə mAP@0.5 dəyərini %85,4-dən %93,6-ya yüksəltmişdir.
• RA-YOLO 3,4 milyon parametr ilə RTX 3090 üzərində 105 FPS və Jetson AGX Orin üzərində 42 FPS işləmişdir.
• Asimmetrik Fin Ray quruluşu nəzarətli laboratoriya müqayisəsində simmetrik Fin Ray bazis xəttindən bütün beş alət sinfində daha yüksək tutma uğuru təmin etmişdir.
• İstehsal olunmuş TPU barmaqlarda təmas qüvvəsi aktuasiya yerdəyişməsi ilə təxminən xətti artmışdır.
• 3000 bükülmə dövrünün sonunda təmas qüvvəsindəki azalma %2,78 kimi bildirilmişdir.
• 2 kg yüklə aparılan 500 dövrlük ilkin davamlılıq sınağında görünən yük düşməsi və ya sürüşmə bildirilməmişdir.
• Açıq hava ballast təcrübələrində ümumi tutma uğuru %91,8 olmuşdur.
• Örtüşən alət şəraiti izolyasiya olunmuş alətlərə görə daha aşağı tutma uğuru göstərmişdir.

Tədqiqatın dəstəkləmədiyi və ya hələ sınaqdan keçirmədiyi nəticələr

• Sistemin bütün dəmiryolu texniki xidmət alətlərini tuta bildiyi göstərilməmişdir; əsas təcrübə beş alət kateqoriyası ilə aparılmışdır.
• Güclü yağış, qar, palçıq, sıx toz və həddindən artıq aşağı işıqda sistem səviyyəsində doğrulama aparılmamışdır.
• 3000 barmaq dövrü uzunmüddətli sənaye TPU yorulma ömrünü göstərmir.
• 500 ədəd 2 kg tutma dövrü davamlı sahə istifadəsində uzunmüddətli etibarlılığı sübut etmir.
• Əl–göz mövqeləndirmə nəticəsi yüksək sürətli dinamik hərəkət şəraitinin birbaşa ölçümü deyil; kalibrləmə doğrulaması yarı-statik aparılmışdır.
• %91,8 tutma uğurunun fərqli robotlar, kameralar, rels infrastrukturları və ölkələrdə eyni qalacağı göstərilməmişdir.
• Uğur nisbətləri üçün ümumi təkrar sayı mənbədə açıq göstərilmədiyindən statistik etibar intervalları qiymətləndirilə bilmir.
• Tədqiqat toxunma sensorlu qapalı dövrə tutma qüvvəsi nəzarətini tətbiq etməmişdir; bu element gələcək iş kimi təklif edilmişdir.

Tədqiqatın Metodu və Nəticələri

Vizual məlumat dəsti

Tədqiqatçılar beş texniki xidmət aləti sinfindən ümumilikdə 3640 yüksək ayırdetməli görüntü yaratmışdır. Görüntülər birbaşa günəş işığı, buludlu hava və kölgə şəraitini əhatə edir.

Bundan əlavə təlim və doğrulamada istifadə edilməyən ayrıca ətraf mühit davamlılığı test dəsti hazırlanmışdır. Bu əlavə test quru ballast, yaş ballast, fərqli ballast rəngi/teksturası və yaş + fərqli ballast şəraitlərini əhatə edir.

RA-YOLO təlimi

Ablation tədqiqatı nə göstərdi?

Mosaic təkbaşına baza modelinə görə 2,4 faiz bəndi, CBAM təkbaşına 3,1 faiz bəndi mAP@0.5 artımı təmin etmişdir. İkisinin birlikdə istifadə edildiyi quruluş baza modelinə görə 8,2 faiz bəndi daha yüksək mAP@0.5 vermişdir.

Fərqli diqqət mexanizmləri

Bu müqayisədə bütün modellərdə Mosaic istifadə edilmiş və yalnız diqqət modulu dəyişdirilmişdir. CBAM ən yüksək iki dəqiqlik metrikini vermişdir.

Mənbədəki alqoritm müqayisəsi xətası

Cədvəl 11-in birbaşa dəyərləri aşağıdakı kimidir:

Mənbənin dərhal sonrakı paraqrafında verilən bəzi fərq faizləri bu cədvəllə uyğun gəlmir. Buna görə müqayisə şərhində cədvəldəki xam mAP dəyərləri əsas götürülməlidir.

Jetson AGX Orin üzərində işləyə bilirmi?

Bəli, tədqiqat real edge platforması üzərində inference sınağı təqdim edir. RA-YOLO RTX 3090 server tərəfində 105 FPS və təxminən 9,5 ms gecikmə; Jetson AGX Orin üzərində TensorRT ilə 42 FPS və təxminən 23,8 ms uçdan-uca gecikmə göstərmişdir.

Bu nəticə modelin edge cihazında real vaxtda görüntü emal edə bildiyini göstərən avadanlıq doğrulamasıdır; lakin bütün robot nəzarət dövrəsinin 42 Hz-də işlədiyi mənasına gəlmir.

Dəyişən ballast şəraitində aşkarlama

Bu əlavə məlumat dəsti əsas test dəstindən ayrıdır. Buna görə xüsusilə mAP@0.5:0.95 dəyərləri əsas test cədvəlindəki dəyərlərlə birbaşa eyni nümunə üzərində müqayisə edilməməlidir.

Əl–göz mövqeləndirməsi

Kalibrləmə üçün 10 × 7 dama taxtasının 15 fərqli pozadakı görüntüsü istifadə edilmişdir. Sonrakı doğrulamada iş sahəsindən 50 təsadüfi test nöqtəsi seçilmişdir.

Mənbə orta Evklid mövqeləndirmə xətasını 1,03 mm kimi bildirir. X və Y xəta paylanmalarının standart sapmaları müvafiq olaraq 0,32 mm və 0,28 mm kimi verilmişdir.

Bununla birlikdə Şəkil 33(b)-də maksimum Evklid xətası 1,92 mm görünərkən Cədvəl 13-də bir oxdakı mütləq xətanın 2,4 mm-ə çatdığı nümunə var. Mənbə daxilində bu iki hesabat formasının necə uyğunlaşdırılacağı izah edilmir. Buna görə maksimum xəta üçün tək uzlaşdırılmış dəyər yaradılmamışdır.

Barmaq təmas qüvvəsi

Eksperimental qüvvə–yerdəyişmə əlaqəsi:

\[ F_m=2{,}56\delta+0{,}11 \]

kimi uyğunlaşdırılmış və barmaq ucu xətti sərtliyi:

\[ K_f=2{,}56\ \mathrm{N/mm} \]

kimi müəyyən edilmişdir. Model proqnozu ilə ölçülmüş qüvvələr arasındakı orta nisbi xəta %4,07 olaraq bildirilmişdir.

Qısamüddətli dövr davamlılığı

Bu sınaq qısamüddətli dövr sabitliyinə aiddir. Mənbə uzunmüddətli və yüksək tezlikli sahə istifadəsində TPU yorulmasının ayrıca araşdırılmalı olduğunu açıq şəkildə qeyd edir.

Asimmetrik və simmetrik Fin Ray müqayisəsi

Nəzarətli laboratoriya müqayisəsində asimmetrik dizayn beş alətin hamısında daha yüksək uğur təmin etmişdir. Lakin mənbə bu uğur faizlərinin hər biri üçün aparılan sınaq sayını göstərmir.

Açıq hava ballast tutma nəticələri

Tədqiqatın 33. səhifəsindəki Şəkil 38 robotun laboratoriya masasında deyil, dəmiryolu xəttinin yanında ballast mühitinə yerləşdirilmiş tırtıllı mobil platforma üzərindəki fiziki quruluşunu göstərir. Aubo-i5 qol, D435i kamera və asimmetrik tutucu eyni sistemdə istifadə edilmişdir.

Ən yüksək ümumi uğur çəkicdə %94,7, ən aşağı uğur açarda %88,7 olmuşdur. Xüsusilə örtüşən ssenaridə açarın uğuru %83,6-ya düşmüşdür.

Müəlliflər bunu nazik və düz açar həndəsəsinin Fin Ray barmaqları ilə effektiv çoxnöqtəli təmas qurmasını çətinləşdirməsi və parlaq metal səthin güclü xarici işıqda dərinlik ölçməsinə mənfi təsir göstərə bilməsi ilə əlaqələndirirlər.

Tapşırıq nə qədər davam edir?

Orta tapşırıq tamamlama müddəti izolyasiya olunmuş alət ssenarisində 4,12 saniyə, örtüşən ssenaridə isə 4,94 saniyə kimi bildirilmişdir. Daha mürəkkəb ssenaridə maneədən yayınma və ətraf mühit mürəkkəbliyi səbəbindən müddət artmışdır.

Uğursuzluqların səbəbləri

Bu dörd kateqoriya ümumilikdə %8,2 uğursuzluq nisbətini təşkil edir. Mənbə aşkarlama mənşəli qaçırmaların xüsusilə örtüşmə nisbəti %70-i aşan sıx yığılma vəziyyətlərində baş verdiyini bildirir.

Ən mühüm məhdudiyyətlər

• Sahə sınaqları təmsilçi açıq hava şəraitində aparılmışdır; bütün hava şəraitləri sınaqdan keçirilməmişdir.
• Güclü günəş işığı xüsusilə aktiv dərinlik ölçməsində nöqtə buludu itkilərinə səbəb ola bilər.
• Mövqeləndirmə təcrübəsinin əsas nəticəsi yarı-statik kalibrləmə dəqiqliyidir.
• Dinamik vibrasiya, görüntü gecikməsi və ani dərinlik dalğalanması sistem səviyyəsində yalnız dolayı şəkildə sınaqdan keçirilmişdir.
• Tutucuda hələ toxunma/qüvvə sensorlu qapalı dövrə tənzimləmə yoxdur.
• 3000 və 500 dövrlük davamlılıq sınaqları uzunmüddətli yorulma ömrü deyil.
• Sahə tutma uğuru faizləri üçün təkrar sayları mənbədə açıqlanmamışdır.
• Beş alət sinfindən çıxarılan nəticələr bütün dəmiryolu texniki xidmət avadanlıqlarına ümumiləşdirilə bilməz.

Mənbə və Metod Qeydi

Orijinal tədqiqat: An Integrated Visual Perception and Soft Robotic Grasping System for Adaptive Handling of Railway Maintenance Tools.

Müəlliflər və sıraları: Pan Fan; Meng Tian; Yuhang Du; Guodong Lang; Liang Li; Yafeng Li.

Məsul müəllif: Yafeng Li. Mənbədə bərabər birinci/bərabər töhfə bəyanatı yoxdur.

Qurumlar: School of Computer, Baoji University of Arts and Sciences; Shaanxi Key Laboratory of Advanced Manufacturing and Evaluation of Robot Key Components, Baoji University of Arts and Sciences; State Key Laboratory of Robotics and System, Harbin Institute of Technology.

Jurnal: Machines. Nəşriyyat: MDPI. Cild: 14. Məqalə: 636. Nəşr tarixi: 1 İyun 2026. DOI: 10.3390/machines14060636. Rəsmi nəşr keçidi: https://doi.org/10.3390/machines14060636

Mənbə növü və rəy statusu: Rəyli tədqiqat məqaləsidir. Tədqiqat 8 Aprel 2026-da qəbul üçün daxil olmuş, 22 May 2026-da yenidən işlənmiş və 27 May 2026-da qəbul edilmişdir.

Lisenziya: Creative Commons Attribution (CC BY) açıq giriş lisenziyası.

Maliyyələşdirmə: Shaanxi Provincial Department of Education Research Program tərəfindən 23JP004 nömrəli layihə çərçivəsində maliyyələşdirilmişdir.

Məlumat əlçatanlığı: Mənbə məlumatların məqalənin daxilində olduğunu bildirir.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşması olmadığını bəyan etmişdir.

Müəllif töhfələri: Mənbədə ümumi sistem dizaynı Yafeng Li; son layihənin nəzərdən keçirilməsi Pan Fan; yazı Meng Tian; qrafiklərin yaradılması Yuhang Du; ədəbiyyat icmalı Guodong Lang; məlumat analizi Liang Li kimi göstərilmişdir.

Bu Verianla mətnindəki sistem arxitekturası, RA-YOLO performansı, TPU material modeli, FEA parametrləri, qüvvə təcrübələri, dövr sınaqları, əl–göz mövqeləndirmə nəticələri və tutma performansı yalnız araşdırılan tədqiqata əsaslanır. Xarici biblioqrafik yoxlama yalnız nəşr kimliyinin doğrulanması məqsədilə istifadə olunmuşdur.

Mənbə daxilində ən azı iki mühüm hesabat uyğunsuzluğu var. Cədvəl 11-in model dəqiqlikləri ilə dərhal sonrakı paraqrafda verilən üsullararası fərq dəyərləri riyazi olaraq uyğun gəlmir. Bundan əlavə Şəkil 33-dəki 1,92 mm maksimum Evklid xəta göstəricisi ilə Cədvəl 13-də 2,4 mm-ə çatan bir ox üzrə mütləq xəta eyni məlumat dəstinə aiddirsə birlikdə doğru ola bilməz. Bu fərqlər səssizcə düzəldilməmiş və Verianla mətnində mənbədaxili qeyri-müəyyənlik kimi qorunmuşdur.

Tədqiqatın sahə sübutu olsa da doğrulama təmsilçi, aşağı sürətli açıq hava ballast şəraiti ilə məhduddur. Güclü yağış, qar, palçıq, sıx toz, həddindən artıq aşağı işıq və uzunmüddətli sahə aşınması sınaqdan keçirilməmişdir. Bundan əlavə sistem səviyyəsindəki uğur nisbətlərinin hər biri üçün müstəqil sınaq sayları göstərilmədiyindən statistik etibar intervalları hesablana bilmir.

Mənbənin xülasəsində “visual servoing” ifadəsi istifadə edilmişdir. Bununla belə metod bölməsində ətraflı göstərilən zəncir görüntü aşkarlanması, dərinlik əsaslı mövqeləndirmə, əl–göz çevrilməsi, tərs kinematika, polinom trayektoriya planlaşdırması və FSM nəzarətidir. Davamlı görüntü-xəta əks əlaqəsinə əsaslanan ayrıca visual-servo nəzarət qanunu ətraflı şəkildə təqdim edilmədiyi üçün Azərbaycan dilindəki izahda anlayış olduğundan geniş şərh edilməmişdir.