Robot Arm-Child Interactions: A Novel Application Using Bio-Inspired Motion Control
Notice bibliographique
Résumé
Robot arms were originally designed in the 1960s for intended use in a wide variety of industrial and automation tasks such as fastening (e.g., welding and riveting), painting, grinding, assembly, palleting and object manipulation). In these tasks humans were not required to directly interact or cooperate with robot arms in any way. Robots, thus, did not require sophisticated means to perceive their environment as they interacted within it. As a result, machine type motions (e.g., fast, abrupt, rigid) were suitable with little consideration made of how these motions affect the environment or the users. The application fields of robot arms are now extended well beyond their traditional industrial use. These fields include physical interactions with humans (e.g., robot toys) and even emotional support (e.g., medical and elderly services). In this chapter we begin by presenting a novel motion control approach to robotic design that was inspired by studies from the animal world. This approach combines the robot‟s manipulability aspects with its motion (e.g., in case of mobile robots such as humanoids or traditional mobile manipulators) to enable robots to physically interact with their users while adapting to changing conditions triggered by the user or the environment. These theoretical developments are then tested in robot-child interaction activities, which is the main focus of this chapter. Specifically, the children‟s relationships (e.g., friendship) with a robotic arm are studied. The chapter concludes with speculation about future use and application of robot arms while examining the needs for improved human-robot interactions in a social setting including physical and emotional interaction caused by human and robot motions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».