MétaCan
Menu
Retour à la cohorte
Enregistrement W1621176449 · doi:10.1109/cyber.2015.7287902

Multiple working mode approach to manipulation of unknown mechanisms using a serial robot: A special case of constrained motion with active and passive joints

2015· article· en· W1621176449 sur OpenAlexaff
Taras Pankov, Guangjun Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésKinematicsControl theory (sociology)Task (project management)CrankRobotTrajectoryDegrees of freedom (physics and chemistry)Computer scienceWork (physics)Robot kinematicsPosition (finance)Motion (physics)Control engineeringMotion controlSerial manipulatorSimulationParallel manipulatorEngineeringArtificial intelligenceControl (management)Mobile robotMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Tasks for robots such as opening doors and drawers, and operation of cranks and levers in an unstructured environment pose a challenge for robot control due to unmodelled constraints. A constrained robot manipulator is an over-actuated system in which kinematic modelling errors lead to high internal and external reaction forces. In this work, problems caused by modelling inaccuracies are avoided by reducing the number of position-controlled joints during task execution, such that the number of generalized inputs matches the task degrees of freedom. In this configuration, the manipulator is a minimally actuated system, where the uncontrolled generalized coordinates are task-actuated (passive). We present two criteria for the assignment of active and passive control modes; one based on the coordinate partitioning method for multibody dynamics, and another that that minimizes task friction forces. Simulation results are presented for the case of 1-DOF constrained motion along an elliptical trajectory, similar to a crank turning task.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,479
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,061
Tête enseignante GPT0,250
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobot Manipulation and LearningTravaux en français237 207