MétaCan
Menu
Retour à la cohorte
Enregistrement W1546996719 · doi:10.5772/5505

Space Exploration - towards Bio-Inspired Climbing Robots

2007· book-chapter· en· W1546996719 sur OpenAlexaff
Carlo Menon, Michael Murphy, Metin Sitti, Lydia Nicholas

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésClimbingSpace (punctuation)RobotComputer scienceArtificial intelligenceHuman–computer interactionGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Robotic systems continue to be an important tool in space exploration, and as robotic systems continue to gain capability, the particular challenges of the space environment and the tasks required in space will benefit from such systems finding new roles in space.This chapter focuses on the design of climbing robots suitable for use in space.These mimic the climbing ability of geckos, using micro-structured hairs to provide dry adhesion, and exploit gait to exhibit rapid and robust motion over vertical surfaces on earth.Mobility of robotic systems allows many different roles for systems in space, including exploration on extraterrestrial surfaces and navigating vehicle surfaces in orbit.Climbing robots in space may provide extra capability in the ability to negotiate a broader range of terrains.The range of surfaces that might be required to be negotiated in space can be matched by the range of different possible climbing strategies.In particular, dry adhesive techniques inspired by the gecko are highlighted, with different robot designs intended to take advantage of such dry adhesives described in detail.Examples of other strategies for climbing robots are presented and discussed, particularly in the context of usefulness for future implementation in space.With this section introducing the subject and composition of this chapter, section 2 gives a brief overview of the main challenges facing robotic systems in space.Section 3 is devoted to the introduction of different strategies for climbing robots, including examples designed for use in space.Examples of robotic systems employing different approaches are given.In section 4, the subject of biologically inspired synthetic dry adhesion is introduced.Section 5 forms the major part of this chapter, describing the design and breadboarding of three climbing robots, intended to form the basis for future robots using such dry adhesives.Future work is discussed in section 6 and conclusions are given in section 7. Issues for Space RoboticsRobotic systems used in space are subject to a range of challenging environments from launch to deployment and operation, which must all be mitigated with great robustness given the impossibility of repair of most space-borne systems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,260
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207